交互式AI研究项目与获奖者揭晓

某机构与约翰霍普金斯大学联合公布首批交互式AI研究奖项获得者,涵盖机器学习、计算机视觉、自然语言处理等领域的前沿研究,包括多语言处理、语音识别和少样本学习等技术方向。

某机构与约翰霍普金斯大学公布首批研究奖学金和教师奖项

作为JHU + 某机构交互式AI计划(AI2AI)的一部分,今日宣布了首批博士研究奖学金和教师研究奖项的获得者。该计划于4月启动,设立于约翰霍普金斯大学怀廷工程学院,专注于推动突破性人工智能进展,重点包括机器学习、计算机视觉、自然语言理解和语音处理。

研究奖学金获得者

六名博士研究生获得年度研究奖学金,他们的研究涵盖以下方向:

  • 自然语言处理与嵌入空间:研究嵌入空间几何,创建更小、更有用且跨语言和领域通用的空间
  • 千语言处理:构建神经机器翻译模型和形态学工具,支持4000多种语言的NLP处理
  • 计算机视觉与有限数据:结合深度学习和概率模型,在少样本和弱监督环境下学习
  • 语音识别与对话智能:研究语音增强和鲁棒处理,实现自由流动的多方对话识别
  • 动作识别与多模态学习:在姿态识别、视频理解和自监督学习方面推动计算机视觉发展
  • 领域适应与零样本学习:解决模型在未见过数据上的表现问题,专注于少样本或零样本学习

教师研究奖项

九名教师获得研究奖项,项目包括:

  • 大语言模型知识表示与信息提取:利用语言模型学习的信息改进实际应用
  • 多语言机器翻译评估:研究大型通用翻译模型的局限性
  • 分布鲁棒学习在线领域适应:通过不确定性建模实现快速稳健的算法适应
  • 通用语音处理模型:开发能转录语音、识别说话者身份和情感状态的大模型
  • 绿色AI与对称性利用:通过数学结构减少机器学习模型的能耗和数据需求
  • 非典型语音理解改进:创建新数据集和语音技术,帮助言语障碍人群
  • 多语言数据集快速创建:研究自动翻译和对齐方法,支持低资源语言NLP任务
  • 弱监督多模态Transformer:针对细粒度任务、少样本学习和域外泛化的挑战

该计划旨在通过合作推动交互式和多模态AI的前沿发展,为社会带来广泛益处。

有关AI2AI计划的更多信息和机会,请访问官方网站。

comments powered by Disqus
使用 Hugo 构建
主题 StackJimmy 设计