一、 主题： 基于预训练模型的少样本命名实体识别

主讲人： 李成

摘要： 少样本命名实体识别的目标是识别具有有限标记实例的命名实体。以往的工作主要集中在优化传统的标记分类框架，而忽视了基于 NER 数据特征的信息探索。针对这一问题，本次分享基于联合任务特定预训练(MSDP)的多任务语义分解框架。示范性对比学习的启示，本文主要介绍了两个新颖的预训练任务: 基于演示的掩蔽语言建模(MLM)和类对比鉴别。这些任务有效地整合了实体边界信息，增强了预训练语言模型(PLM)中的实体表示。

时间和地点：11月18日9：00-10：00（星期六上午九点-十点）办公楼310会议室

                        腾讯会议 ID：832-9044-3496

二、 主题： 知识库问答

主讲人： 梁延杰

摘要： 知识库问答（KBQA）旨在通过大规模知识库（KB）得出自然语言问题的答案，通常分为两个研究部分：知识检索和语义解析。然而，仍然存在三个核心挑战，包括知识检索效率低下、检索错误对语义解析产生不利影响以及先前 KBQA 方法的复杂性。在大型语言模型 (LLM) 时代，我们引入了 ChatKBQA，这是一种新颖的生成然后检索 KBQA 框架，它建立在微调开源 LLM 的基础上，例如 Llama-2、ChatGLM2 和 Baichuan2。 ChatKBQA提出首先使用微调的LLM生成逻辑形式，然后通过无监督检索方法检索和替换实体和关系，这更直接地改进了生成和检索。

时间和地点：11月18日10：00-11：00（星期六上午十点-十一点）办公楼310会议室

                       腾讯会议 ID：832-9044-3496

图文作者：杨磊稳    责任编辑：孙宇清