研究项目概述

某中心与印度孟买理工学院（IIT-B）今日联合公布了“某中心-IIT Bombay AI-ML计划”的首批获奖研究者。该计划旨在推动语音、语言和多模态人工智能领域的人工智能与机器学习研究。这项由某中心资助的合作项目于2023年3月启动，设在IIT Bombay计算机科学与工程系，旨在促进教师与顶尖学者之间的合作，并培养多元化、可持续的研究人才梯队。

获奖研究项目覆盖多个领域，包括大型语言模型（LLM）、机器学习、联邦学习和自然语言处理（NLP）。研究奖项为IIT Bombay的选定教授提供长达一年的资金支持，用于开展独立研究项目。最终选定的九个研究项目将由IIT Bombay的教师和研究人员负责执行。

获奖项目详情

多语言语音翻译研究

Pushpak Bhattacharyya教授与Preethi Jyothi副教授的研究聚焦于印度语言的语音到语音机器翻译。计划开发一个针对印度语言及特定语言现象（如不流利和代码混合）的多语言多模态预训练模型，目标是构建一个在语音到语音翻译系统中有效的模型，并发布针对印度使用场景的精选训练数据。

多模态图结构检索

Abir De助理教授与Soumen Chakrabarti教授的研究专注于使用图结构对象进行多模态表示、检索和转换。提案旨在开发大型图语料库上的信息检索方法，实现多模态（文本和图像）检索。

联邦学习激励机制

Avishek Ghosh助理教授与Swaprava Nath助理教授的提案旨在利用博弈论构建激励机制，鼓励用户在联邦学习中贡献数据，其中大量用户提交本地计算结果并在中央服务器合并。

跨语言迁移优化

Preethi Jyothi副教授的提案旨在利用自动语音识别（ASR）和NLP预训练模型，构建更高效、有效的跨语言迁移技术。

博弈论分类机制

Ankur A. Kulkarni副教授的提案旨在开发博弈论机制，用于处理战略分类问题，例如机器学习模型输入在测试时被故意修改的情况。

高效近邻搜索

Ajit Rajwade副教授的研究将通过群组测试检查大型数据集中的近邻搜索问题，通过特定方式组合多个样本，确定是否需要更少的测试。

医疗领域LLM应用

Ganesh Ramakrishnan教授与Kshitij Jadhav助理教授的研究将大型语言模型应用于医疗领域，探索可解释性和可验证性。工作将结合领域特定训练、检索增强和与医疗专家反馈的对齐。

LLM与结构化数据库集成

Sunita Sarawagi教授的研究将探索大型语言模型与结构化数据库的集成。提案旨在研究一系列问题，包括文本到SQL的转换、LLM的持续改进以及将结构化数据趋势与现实事件关联，并在基于私有数据开发的自定义LLM中提供这些能力。

自然语言对齐强化学习

Virendra Singh教授的研究将使用自然语言使强化学习（RL）代理更接近人类行为。提案旨在开发技术，通过辅助NLP任务（如提供RL代理所采取行动的文本描述）提高RL的样本效率。

研究领域

• 机器学习
• 对话式人工智能

标签

• 学术合作
• 大型语言模型（LLM）
• 自然语言处理（NLP）