报告时间：2024年11月20日 周三下午 15：00-17：00

报告地点：东南大学四牌楼校区李文正楼503

组织单位：东南大学 js33333金沙线路检测

邀  请  人：夏海峰，上岗副研究员，js33333金沙线路检测

报告主题：理解与改进基础模型：从环境风险到社会责任

报告人简介：

王晋东博士目前在微软亚洲研究院担任高级研究员。他于2019年在中国科学院大学获得博士学位，并获得优秀博士论文奖。其研究兴趣包括机器学习、大语言模型和社会科学中的人工智能。他在ICML、ICLR、NeurIPS、TPAMI、IJCV等顶级会议和期刊上发表了50多篇论文，引用量超过14000次。他的研究成果曾被《福布斯》、MIT科技评论等国际媒体报道。他被斯坦福大学评选为全球前2%顶尖科学家之一，并被AMiner评为“最具影响力的AI学者”之一。他拥有多篇Google Scholar高被引论文、Huggingface推荐论文和paperdigest最具影响力论文。他现任IEEE Transactions on Neural Networks and Learning Systems（TNNLS）的副编辑，ACM Transactions on Intelligent Systems and Technology（TIST）的特邀编辑，同时担任NeurIPS、ICLR、KDD、ACMMM和ACML的领域主席，并是IJCAI和AAAI的高级程序委员会成员。他主导了多个具有重要影响力的开源项目，包括transfer learning、Prompt Bench、TorchSSL、USB、personalized FL和robust learning，这些项目在Github上获得了超过16K的星标。他还出版了《迁移学习导论》一书，并在IJCAI’22、WSDM’23、KDD’23和AAAI’24等会议上讲授教程。

报告摘要：   

      大型基础模型在生成式人工智能领域中发挥着重要作用，但同时面临显著的局限性。这些局限性包括在适应不可预测的真实世界方面的挑战，如应对分布外数据、噪声输入以及安全问题。其次，鉴于其对社会产生的巨大影响，推动跨学科合作以评估其潜在的利益与风险，深化人机交互的理解，并倡导负责任的人工智能应用尤为重要。在此次报告中，我将分享我在这些关键领域的最新研究成果、见解和未来计划，探索如何在利用大型基础模型的强大功能的同时应对其局限性，并在快速变化的环境中推动负责任的AI整合。