学术基金获得者

Steeve Huang
三年级博士生，专注于打击虚假信息传播，研究方向包括事实核查、假新闻检测、事实错误修正以及提升文本生成模型的可信度。他开发的零样本事实错误修正框架比传统监督方法产生更可信的修正结果。2022年曾在某中心实习。

Ming Zhong
三年级博士生，致力于使对话式AI适应个性化需求。研究重点包括改进人机对话内容理解、开发定制化评估指标，以及通过跨模型知识转移提升效率。

研究项目

Volodymyr Kindratenko
《从个性化教育到科学发现：AI领域专家的快速部署》
开发基于知识的对话AI，使其能快速掌握特定领域知识成为"专家"。提出新颖的事实一致性模型和事实性损失训练方法，强化检索增强的强化学习框架。

Yunzhu Li
《通过语言锚定动态神经场实现可操作的对话AI》
利用动态神经场构建多模态基础模型，目标包括生成动态数字孪生、支持具身环境对话AI、赋能实体代理执行现实任务。

Gagandeep Singh
《大语言模型的高效公平性认证》
首创基于概率认证的LLM公平性验证方法，提供比现有测试方法更可靠的公平性保证。

Shenlong Wang与Romit Roy Choudhury
《将空间感知融入对话AI实现现实任务辅助》
开发新型对话AI工作流，通过多模态感知获取并利用用户环境的空间知识。

Han Zhao
《负责任对话AI：安全基础模型的监控与改进》
提出稳健置信安全性和自一致性安全性两项新指标，确保LLM在分布外场景中的可靠性响应。