主题：《NLP训练中的分布式算子研究》

主题简介：随着NLP语料越来越丰富，对于模型的训练效率提出了更高的要求。分布式训练，是当前NLP任务中面临的重要挑战。本次分享会介绍在分布式训练任务中的数据并行、模型并行、算子并行，以及和国产芯片生态的适配与融合。

个人简介：本科与硕士毕业于北京邮电大学，研究方向包括自然语言处理、分布式系统、机器学习系统,2018年加入香侬科技，负责公司整体研发架构，主导了香侬科技NLP分布式训练平台、GPU推理性能优化等核心任务。主要关注分布式训练、GPU共享等提升NLP应用效果的问题。

主题：《陪伴型情感对话的前沿探索 (Frontiers and Practice of Emotional Support Conversation)》

主题简介：随着后疫情时代社会压力的加剧，越来越多的人们面临着情绪困扰。然而，专业的精神卫生服务却是十分稀缺的。为了解决供需不平衡，搭建陪伴型对话机器人成为了日益受关注的研究方向。陪伴型对话也被称作情感疏导对话，其要求机器理解人类用户的情绪困扰，并通过提供共情回复和疏导建议给予情感陪伴。本次分享将介绍我们发表在SIGIR 2021, ACL 2022, SIGIR 2022和 AAAI 2023的最新工作成果。 

个人简介：李嫣然博士曾任小米人工智能实验室高级算法工程师及场景对话团队研发负责人，同时也兼任着北京大学心理与认知学院的行业导师。其多年担任 AAAI，ACL，EMNLP等国际顶级会议的审稿人，并担任 EMNLP 2022 领域主席。其曾在国际顶级会议及期刊上发表论文二十余篇，涵盖情感计算、人机对话、自然语言生成等研究领域，谷歌学术累计引用逾2000次。

主题：《Semantically Consistent Data Augmentation for Neural Machine Translation via Conditional Masked Language Model》

主题简介：数据增强方法是一种有效扩充数据规模的技术，并且在视觉等领域取得了显著的效果，但是在自然语言处理领域，这项技术还没有得到很好的应用。我们通过引入条件掩码语言模型和软增强改进了机器翻译训练中的词替换数据增强技术，使得在增强的过程中，可以保留源句和目标句的语义以及它们之间的跨语言互译关系。本次分享会介绍数据增强的技术背景和我们的优化方法。

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的研发工作，经历了机器翻译从SMT时代发展到NMT时代的过程。在有道参与了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，在机器翻译方向有丰富的研发经验。