主题：《让预训练语言模型读懂数字：10亿参数时序——文本跨模态模型Big Bang Transformer》

主题简介：超对称技术公司发布10亿参数金融预训练语言模型BigBang Transformer[乾元]。BBT大模型基于时序-文本跨模态架构，融合训练文本和时序两种模态数据，下游任务准确率较T5同级别模型提升近10%，并大幅提高时序预测的R2 score，跨模态架构能让语言模型识别时序数据的变化并通过人类语言来分析和阐述其发现。BBT模型可用于金融量化投资的因子挖掘，支撑多因子策略，以及广泛的数据可视化和物联网的时序数据分析等。BBT模型的目标是实现具备人类级别分析能力的预训练大模型，构建可在行业落地的通用人工智能架构。

个人简介：资深算法工程师，主要研究知识增强的预训练语言模型，知识图谱，多模态模型。

主题：《Cross-modal Multi-task Learning for Speech Translation》

主题简介： 网易有道在语音翻译，图片释义，文档理解等很多实际业务中都面临着跨语言跨模态的场景。跨语言跨模态应用通常面临着训练数据不足，不同模态之间语义存在差异，系统多个模块之间错误传播等问题。本次分享将会介绍有道在跨语言跨模态场景中的相关应用，并以语音翻译应用为例介绍有道使用多任务学习框架解决跨语言跨模态场景下的相关问题。

个人简介： 网易有道NLP算法专家。毕业于浙江大学，毕业后一直从事机器翻译相关的研发工作。在有道负责NMT的工程优化，质量调优，离线翻译，语音翻译等的核心研发工作，为有道词典，有道智云，词典笔等产品提供机器翻译技术支持，在机器翻译方向有着丰富的研发经验。