陈科海

哈尔滨工业大学（深圳）助理教授

万小军

北京大学教授

万小军，北京大学王选计算机研究所博士生导师。研究兴趣包括自动文摘与文本生成、情感分析与语义计算、多语言与多模态NLP等。曾担任计算语言学重要国际期刊Computational Linguistics编委、国际会议EMNLP 2019程序委员会主席，现任CCF-NLP专委会秘书长、中文信息学会理事与NLGIW专委会副主任、TACL与ARR执行编委、NLE编委、JCST编委，多次担任相关领域重要国际会议(ACL、NAACL、EMNLP、EACL，AACL)高级领域主席或领域主席。荣获ACL2017杰出论文奖、IJCAI 2018杰出论文奖。研制推出多款AI写作机器人，如小明、小南、小柯等，应用于多家媒体单位。

聂礼强

哈尔滨工业大学（深圳）

计算机科学与技术学院执行院长

四、分享嘉宾：

王瑞

上海交通大学计算机系副教授、博士生导师

嘉宾简介：王瑞，上海交通大学计算机系副教授、博士生导师，此前在日本国立情报通信研究机构（NICT）担任长聘研究员，研究方向是机器翻译。他在ACL, EMNLP, ICLR, AAAI, IJCAI, TPAMI, TASLP等国际权威会议和期刊发表论文60余篇，在EACL和 EMNLP上开设了机器翻译前沿讲习班。他担任了国际权威会议MT Summit的程序委员会主席和NeuRIPS/ICLR/EMNLP/NAACL的机器翻译领域主席，领导的团队在国际权威机器翻译测评WMT中获得多次第一名。其相关技术被广泛应用在东京奥运会官方机器翻译软件VoiceTra上，累计下载超过700万次。

报告题目：无监督机器翻译

报告介绍：机器翻译是一个经典的人工智能和自然语言处理任务，它的发展经历了基于规则、基于模板、基于统计和基于深度神经网络的四个阶段。从2010年开始，伴随着计算资源和语料的不断提升，神经网络机器翻译性能得到了显著的提升。本次报告将从机器翻译的发展开始，介绍不同阶段机器翻译的特点，并总结目前机器翻译的发展现状及其面临的挑战。

谢军

阿里巴巴达摩院机器翻译算法负责人

嘉宾简介：谢军，博士，阿里巴巴达摩院机器翻译算法负责人，研究兴趣为机器翻译、自然语言处理、对话系统等，在CCF A/B类领域顶级会议/期刊（如ACL、EMNLP、COLING、AAAI等）发表论文近30篇。曾作为核心技术人员，参与包括863重大、国家自然科学基金在内的科研项目近十项；作为算法负责人，参与并指导多项商用智能对话系统和机器翻译系统的研发。

报告题目：神经机器翻译：模型增强、自我评估、统一质量评价

报告介绍：高质量、可信赖、易迁移的机器翻译是研究人员一直追求的目标，也是机器翻译在多领域、多场景广泛应用的保障。报告将介绍达摩院向这一目标努力的最新工作，包括连续语义增强机器翻译、具有自我评估能力的机器翻译、非参化在线学习用户反馈、统一译文评估方法UniTE、以及“模型即服务”的魔搭社区开源等。

张宁豫

浙江大学副教授，博士生导师

嘉宾简介：张宁豫，博士，浙江大学副教授，博士生导师。研究方向包括自然语言处理、知识图谱等，在自然语言处理和知识图谱领域已发表多篇顶级会议和期刊文章，包括NeurIPS、ICLR、ACL、EMNLP、NAACL、TASLP等，Google Scholar H-index 24，三篇论文入选Paper Digest高影响力论文；曾担任IJCAI高级程序委员会委员，ACL、EMNLP、NeurIPS、ICLR、ICML等会议程序委员会委员。

报告题目：知识提示学习：通过提示将知识“植入”预训练模型

报告介绍：近年以来，蓬勃发展的自然语言处理新范式“提示学习”(Prompt Learning)通过构造提示模板和标签映射，可显著提升模型的少样本、跨领域、多任务等能力。在提示学习中，如何针对具体任务，构建出最合适的模板提示和标签映射组合，是提升任务性能的关键。通过植入相关的任务和领域知识来构建提示模板，以“知识提示”指导预训练语言模型，可以提升模型对任务和领域的感知，充分的激发预训练语言模型的潜力。本次报告将介绍介绍一系列提示学习的前沿工作，并重点介绍知识提示学习，通过提示将知识“植入”预训练模型，并探讨不同类型的知识（知识图谱、文本演示、物理模拟等）、不同的“植入”方式（序列拼接、检索增强、思维链等）在提示学习中的作用。