中心新闻

你的位置：首页中心新闻
中心新闻

哈尔滨SCIR冯骁骋教授受邀为中共哈尔滨市委党校作《大模型原理、技术与应用——从ChatGPT到DeepSeek》专题讲座

声明：本文章转载自中共哈尔滨市委党校公众号编者按：3月31日下午，中共哈尔滨市委党校邀请哈尔滨工业大学计算学部博士生导师、人工智能学院副院长冯骁骋教授作《大模型原理、技术与应用——从ChatGPT到DeepSeek》专题辅导讲座。为帮助学员了解人工智能发展动态，掌握智能化工具实操应用技巧，3月31日下午，中共哈尔滨市委党校邀请哈尔滨工业大学计算学部博士生导师、人工智能学院副院长冯骁骋教授作《大模型原理、技术与应用——从ChatGPT到DeepSeek》专题辅导讲座。市委党校在校主体班学员参加学习。讲座中，冯骁骋教授从大语言模型的原理、技术演进、实际应用三个方面进行讲解，分析了ChatGPT系列不同阶段的模型特点，阐述了DeepSeek-R1模型在训练策略和推理效率方面的技术创新，分享了DeepSeek的使用方法与技巧。他指出，大模型的应用不仅依赖于模型本身的能力，还需要使用者结合实际场景撰写明确指令、提供参考资料、分解复杂问题，有助于提升工作效率。学员普遍反映，讲座逻辑严密，贴近实际，具有很强的现实指导性。通过学习，不仅了解了大语言模型技术从简单问答到复杂对话的升级过程，更看到了我国在

了解详情
哈工大｜PPT公开！“DeepSeek技术前沿与应用”专题讲座，1小时快速掌握DeepSeek基本原理

2月28日，我校举办了“大模型原理、技术与应用——从GPT到DeepSeek”主题讲座，邀请哈工大人工智能研究院副院长、计算学部赛尔实验室副主任车万翔教授作为主讲嘉宾，500余名师生代表现场听取报告，超5万人次线上直播观看。该讲座在哈尔滨工业大学B站视频号的播放量累计达14万，抖音平台点赞加收藏近40万。讲座从自然语言处理的概念和发展历史出发，逐步深入，举GPT系列为例来讲解大模型的基本原理，引出如今炙手可热的DeepSeek-R1的技术细节，最后展望了人工智能发展的未来趋势。可谓干货满满。相信我，看完这个讲座，你会发现你对DeepSeek-R1模型的理解从未如此透彻！讲座的内容主要分为以下几个板块：一、自然语言处理的概念和发展历史语言是人类交流思想、表达情感最自然、最深刻、最方便的工具。自然语言处理（Natural Language Processing，NLP）指的是用计算机来理解和生成自然语言的各种理论和方法，需要更强的抽象和推理能力。随着技术的发展，自然语言处理成为制约人工智能取得更大突破和更广泛应用的瓶颈。二、GPT系列模型GPT(Generative Pre-trained

了解详情
秦兵教授牵头国家自然科学基金人工智能专项重点项目《大模型情感感知与认知调控》启动会召开

由哈尔滨工业大学社会计算与交互机器人研究中心主任秦兵教授牵头的国家自然科学基金专项《大模型情感感知与认知调控》项目于2024年12月正式获批。2月26日，国家自然科学基金信息科学部在武汉召开专项项目“数据科学与人工智能前沿探索”的启动会。秦兵教授围绕立项依据与科学问题、研究内容与技术方案、预期成果与进度安排、研发团队与工作基础、经费预算与实施保障五个部分，对项目整体情况进行了详细介绍。当前技术在多模态情感感知、认知调控以及个性化与拟人化等方面仍存在诸多挑战，包括多模态情感感知的准确性和可解释性不足、大模型在拟人化与性格化交互方面能力较弱、缺乏灵活有效的认知调控策略以及缺乏全面系统的评价体系。基于此，秦兵教授带领团队探索构建“情感深层感知-认知动态调控-拟人情感表达”的整体框架，加强大模型的情感深层感知和认知机理研究，推动人工智能技术在心理健康与认知调控领域的发展。图1 国家自然科学基金信息科学部启动会3月8日，项目内部启动会在北京清华大学召开。项目咨询专家清华大学黄民烈教授，项目负责人哈尔滨工业大学秦兵教授及项目骨干清华大学赵思成副研究员、清华大学毕冠群助理研究员、清华大学伍珍副教授、

了解详情
哈工大SCIR赵森栋副教授受邀参加省疾控局主办、省疾控中心协办开展的“业务大讲堂”理论知识专题辅导讲座活动

声明：本文转载自黑龙江省疾病预防控制局公众号编者按：哈工大社会计算与交互机器人研究中心赵森栋副教授受邀参加省疾控局主办、省疾控中心协办开展“业务大讲堂”活动，并作题为《人工智能技术应用》的讲座。按照省委深化能力作风建设部署要求，为全面贯彻全国和全省疾控工作会议精神，进一步提升六大核心能力，加强全省数智疾控建设，3月17日，由省疾控局主办、省疾控中心协办开展“业务大讲堂”活动。活动邀请哈尔滨工业大学计算学部副教授赵森栋以《人工智能技术应用》为题进行授课，局机关全体干部、局直属单位相关负责同志参加活动。图1 哈工大SCIR赵森栋副教授作报告赵森栋副教授结合自身丰富理论知识和实践经验，围绕人工智能发展及相关应用实践等方面进行了深入浅出的解读，为今后加快推进数智疾控建设提供了科学指导。图2 活动现场

了解详情
Transformer架构是MoE模型的理想选择吗？探究配套架构对MoE模型基础能力的影响

论文名称：How does Architecture Influence the Base Capabilities of Pre-trained Language Models? A Case Study Based on FFN-Wider and MoE Transformers 论文作者：陆鑫，赵妍妍，秦兵，霍亮宇，杨青，许冬亮 (NeurIPS 2024)

了解详情
哈工大SCIR《自然语言处理：基于大语言模型的方法》一书出版

声明：本文转载自哈尔滨工业大学计算学部公众号编者按：由哈工大社会计算与交互机器人研究中心车万翔教授主笔，研究中心毕业生郭江博士、崔一鸣博士参与编写，哈工大副校长刘挺教授主审的《自然语言处理：基于大语言模型的方法》一书正式出版。由赛尔实验室（SCIR）车万翔教授、郭江博士、崔一鸣博士编写，电子工业出版社博文视点出版的《自然语言处理：基于大语言模型的方法》一书正式上架。（u.jd.com/6aTcBrL）近年来，以ChatGPT为代表的大语言模型的兴起，已成为 NLP 研究的新范式。本书基于2021年出版的《自然语言处理：基于预训练模型的方法》之上，进一步扩充添加了大语言模型相关的技术内容，介绍了大语言模型（LLM）在自然语言处理（NLP）领域的应用，结合理论与实践，帮助读者掌握最新技术。本书涵盖 NLP 和深度学习的基础知识、预训练语言模型的核心技术及其应用，以及大语言模型的预训练方法、适配、应用和评估策略，同时介绍基于 LLM 思想的前沿技术，并以 DeepSeek 系列模型为例解析最新进展。本书既适合具有一定机器学习基础的高等院校学生、研究机构的研究者，以及希望深入研究自然语言处理

了解详情

每页 6 记录总共 539 记录
第一页 <<上一页下一页>> 尾页
页码 2/90 跳转到

最近更新