返回首页
您的位置:首页 > 新闻 > CCF新闻 > CNCC

CNCC | 大模型时代:青年学者发展的机遇与挑战

阅读量:26 2024-09-18 收藏本文


图片

CNCC2024



论坛简介:

青年学者发展论坛——如何面对大模型时代的研究机遇与挑战?

举办时间:10月24日13:30-17:30

地点:夏苑-英国馆一楼教室10

注:如有变动,请以官网(https://ccf.org.cn/cncc2024)最终信息为准



当前,大模型的爆发式发展对工业界和学术界都产生了深刻而广泛的影响。在工业界,大模型为智能化应用的落地提供了强大技术支持,推动了自动化、智能化的全面升级,显著提高了生产效率与创新能力。在学术界,大模型不仅拓宽了人工智能领域的研究边界,还促进了跨学科的深入合作,为学术研究带来了前所未有的机遇。与此同时,大模型的快速发展也加速了基础研究与应用研究的融合,推动了人工智能技术从理论到实践的全方位发展。


然而,大模型的发展不仅为科研人员提供了丰富的研究机会,也提出了新的挑战。尤其是青年学者,面对大模型带来的机遇与挑战,如何保持学术定力,如何创新性地开展研究,如何做出自己的特色?成为了青年学者亟需思考的重要课题。为深入探讨大模型时代青年学者面临的机遇与挑战,本论坛特别邀请了各领域在大模型理论与应用方面的杰出专家和学者进行经验分享。他们将分享如何结合大模型开展具有创新性和影响力研究的实际经验,并交流研究过程中遇到的心得、挑战以及独到见解。邀请的专家来自多个研究领域,分享内容涵盖大模型的算力集成问题、知识探索机制与决策模型学习范式、以及代码大模型与机器语言大模型的构建等多个维度。


本论坛由CCF 218 Club发起。CCF 218 Club主要由入选“CCF青年人才发展计划”的学者组成。“CCF青年人才发展计划”旨在支持一批已经取得较优秀成绩、具有较强创新能力的青年学者,入选者年龄在32岁以下。本论坛聚焦青年学者的发展,旨在通过学术报告与交流的形成对青年学者发展有益的建议。








论坛日程


顺序

主题

主讲嘉宾

单位

1

基于大模型的软件自动化

李戈

北京大学

2

机器语言大模型:技术与应用

张超

清华大学

3

大模型知识机制探索

韩先培

中国科学院软件所

4

以数据为中心的计算架构-大模型时代的算力集成问题

王颖

中国科学院计算所

5

大模型时代下的强化学习

郝建业

天津大学


Panel环节

全部论坛讲者




论坛主席及嘉宾介绍


 论坛主席

图片


图片

文明

CCF 218Club执行委员,华中科技大学副教授


华中科技大学网络空间安全学院副教授,硕士生/博士生导师,主要聚焦软件安全、软件测试与分析、以及代码大模型安全等研究,在软件工程领域累计发表了CCF-A类推荐会议或期刊50余篇,荣获ACM新星奖(武汉),“华中学者”卓越青年学者,武汉东湖学者等荣誉,并入选了第七届中国科协青年人才托举工程计划。


 论坛讲者

图片


图片

李戈

CCF软件工程专委副主任,北京大学计算机学院长聘教授,教育部长江学者(博雅特聘教授)


CCF系统软件专委常委、CCF大模型论坛常委。研究方向:智能化软件开发技术、智能软件系统关键技术、深度学习。国际上 “基于深度学习的程序理解与生成”的先驱性研究者,多项成果被国际学者认为是“首创性成果”并被广泛引用。所带领的研究团队在多项研究任务中一直保持着国际领先结果,是该领域国际知名的研究团队。

报告题目:基于大模型的软件自动化


报告摘要:大模型技术对软件开发技术产生了深刻影响。当前大模型的软件开发辅助能力到底如何?未来的软件开发图景将会发生哪些变化?北京大学程序理解与生成研究团队,是基于深度学习的程序理解与生成领域的早期开拓和持续贡献团队。讲者以自身研究经历为背景,对基于大模型的程序理解与生成方法的研究历程和发展状态进行简要概述,并对基于大模型的软件开发自动化的影响进行探讨。


图片

张超

CCF 218Club执行主席,清华大学网络研究院副院长、长聘副教授


CCF杰出会员,清华大学网络研究院副院长,长聘副教授,华为冠名教授,蓝莲花战队教练。曾获得清华大学学术新人、国家级青年人才等荣誉。主要研究软件和系统安全、人工智能安全。研发国际首个机器语言大模型MLM。

报告题目:机器语言大模型:技术与应用


报告摘要:软件面临着漏洞、恶意代码、破解等安全威胁,而大量软件无法获取源代码,因此亟需二进制程序安全分析能力。然而,相比于有源码程序,二进制程序缺失大量信息因而难以分析。大语言模型技术为二进制程序分析带来了新的突破口。本次报告将分享机器语言大模型(MLM)解决方案,展示MLM在二进制程序安全分析中的突破性能力和应用效果,与大家共同探讨软件安全的发展方向。


图片

韩先培

中国科学院软件研究所研究员


中科院软件所研究员及中文信息处理实验室副主任,主要研究方向为自然语言理解、大模型及知识图谱。承担中科院战略先导、科技创新2030课题、国家重点研发专项等十余项课题。在ACL、SIGIR、IJCAI等重要国际会议发表论文60余篇。入选国家优青、中国科协青年人才托举计划及北京智源青年科学家,担任中国中文信息学会理事及语言与知识计算专业委员会副主任。相关成果获中国中文信息学会汉王青年创新奖一等奖及科学技术奖一等奖。

报告题目:大模型知识机制探索


报告摘要:近年来,大模型展现出了强大能力,但其背后机制却仍旧不明,极大制约了大模型的改进和应用。本报告介绍课题组在大模型知识机制方面的一些探索,如知识对大模型的影响和大模型对外在知识生态的影响,同时对大模型与知识的关系进行探讨。


图片

王颖

CCF集成电路设计专委秘书长,中科院计算所研究员


主要研究方向包括集成电路设计自动化,物端人工智能系统,高能效芯片设计与存储系统设计,主持基金委优青,科技部重点研发等项目。共发表100余篇集成电路与系统结构领域CCF-A类论文。曾获CCF青年科学家奖,CCF技术发明一等奖,IEEE/ACM DAC40岁以下创新奖, 以及IEEE TC年度最佳论文等荣誉。

报告题目:以数据为中心的计算架构-大模型时代的算力集成问题


报告摘要:随着大模型以及随之而来的数据计算维度爆炸问题,如何以更低的成本与能耗提供人工智能算力解决方案成为科研与产业界的核心研究目标,为了在先进工业发展放缓的当下达成这一目标,通过scale-up和scale-out的路线扩展算力不得不面临数据通信墙与存储墙的制约,因此以数据为中心计算架构在AI时代成为被寄予厚望的新型体系结构,以缓解功耗墙与存储墙问题,在学术界与工业界无论是基于新型器件的存算一体,基于SRAM与DRAM近存计算,还是基于flash的近数据计算系统都已成为研究热点,报告将介绍差异化应用场景下不同存算或近数据计算架构方案的优势与结合,并着重讨论大模型时代下不同存算架构如何结合异构计算与先进集成技术的横向扩展应对系统存储与互联资源的爆炸式增长。


图片

郝建业

天津大学副教授、华为诺亚方舟决策推理实验室主任


华为诺亚决策推理实验室主任,天津大学智算学部副教授。主要研究方向为深度强化学习、多智能体系统。发表人工智能领域国际会议和期刊论文100余篇,专著2部。 主持国家科技部2030人工智能重大项目课题、基金委人工智能重大培育项目、国防科技创新重点项目课题等项目10余项,研究成果荣获国际会议最佳论文奖3次,NeurIPS20-22大会竞赛冠军4次。相关成果在工业基础软件智能化、自动驾驶、游戏AI、广告及推荐、5G优化、物流调度等领域落地应用。

报告题目:大模型时代下的强化学习


报告摘要:本报告首先会介绍传统强化学习背景,然后介绍在大模型时代下新的决策模型学习范式,以及强化学习如何助力决策模型及其所面临的挑战和解决方案,同时介绍在自动驾驶、EDA芯片设计和具身智能等场景的落地应用。





关于CNCC2024




CNCC2024将于10月24-26日在浙江省东阳市横店镇举办,大会主题为“发展新质生产力,计算引领未来”。大会为期三天,包括18个特邀报告、3个大会论坛、138个专题论坛及34场专题活动和100余个展览。图灵奖获得者、两院院士、国内外顶尖学者、知名企业家在内的超过800位讲者在会上展望前沿趋势,分享创新成果。预计参会者超过万人。

图片