Monthly Archives: April 2021

春意浓浓，寄情山水——记中文信息处理实验室春游 智者乐水，仁者乐山。2021年4月11日，中文信息处理实验室部分职工及学生共同来到黑龙潭风景区，放松心情。 黑龙潭位于北京市密云区石城镇鹿皮关北面的一条全长4公里，水位落差220米的峡谷里，有春花、秋月、平沙、落雁、曲、叠、沉、悬潭等十八个名潭，千姿百态，各领风骚。 爬山对于人的体力和毅力都是极大的考验，但是实验室一行人不畏艰险、勇攀高峰。大家沿着盘山栈道，欣赏着涓涓瀑布流入清澈见底的石潭，感受着攀登陡峭山路的艰难困苦，终于在中午时分登上了黑龙潭的顶峰。 一时间湖光山色尽收眼底，就好似科研攻坚路漫漫，志在巅峰不辞遥。   山顶的温度确实比山脚低很多，但是大家围坐一团互相分享食物、交流的温馨画面顿时驱散了寒意。傍晚，实验室一行人在农家小院的饭菜香味中，结束了一天的行程。 通过这次春游活动，大家在欣赏祖国的美好河山的同时也体会到科研路上应坚持不懈，勇攀高峰。最后，中文信息处理实验室将继续不忘初心，奋勇前进。 撰稿：张文凯 责任编辑：刘汇丹

复旦大学张奇教授应邀到访中文信息处理实验室并作学术报告 2021年4月13日下午，应实验室孙乐研究员和韩先培研究员的邀请，复旦大学张奇教授到访实验室，为实验室师生做了题为“模型鲁棒性分析与评测”的学术报告。 张奇老师现任复旦大学计算机科学技术学院教授、博士生导师，主要研究方向是自然语言处理，信息检索和数据密集型计算，共发表学术论文70余篇。 近年来，随着深度学习以及预训练方法的发展，深度学习模型在几乎全部自然语言处理任务中都取得了非常好的效果，甚至在阅读理解等多项任务上取得了超越人类的准确性。然而在实际应用中，这些模型的效果却大打折扣。近年来许多研究工作表明，深度神经网络模型在处理掺杂了微小扰动的样本时，其预测效果就会出现大幅度下降。模型鲁棒性的研究也因此受到越来越多的关注。在本次报告中，张奇老师针对模型的鲁棒性、可解释性以及如何评估模型的鲁棒性三个方面进行了讲解。 尽管目前已有一些针对NLP任务的模型鲁棒性工作，但它们大多只针对单个NLP任务，且只有少量的数据变形方法，缺乏系统性的工具集合。针对这一问题，张老师课题组展开了大规模的鲁棒性评测工作，开发了面向自然语言处理的多语言鲁棒性评测平台TextFlint。 利用 TextFlint，张老师课题组对分词、词性标注、句法分析、命名实体识别等自然语言处理任务的约100个模型进行了复现和实验。实验结果显示，现有算法在新测评数据集上的结果都较原始测评结果有较大幅度下降。从以上结果可以看出，目前绝大多数模型的鲁棒性都亟待提升。 张老师从鲁棒性出发，介绍了课题组的研究工作，并对未来NLP领域的发展进行展望。报告结束后，张奇老师与实验室师生就自然语言处理领域未来发展和科研经验展开了热烈讨论。 撰稿：王怡然、刘方超 责任编辑：刘汇丹