Talk预告｜MBZUAI助理教授沈志强：LLM提示词、开放式评测和第一个移动智能数据集

摘要：他将从提示词研究、开放式生成评测框架，以及适用于移动设备的智能基准数据集这三个问题出发，探讨如何从方法到工具为大语言模型的未来赋能。

本期为TechBeat人工智能社区第656期线上Talk。

北京时间1 月15日(周三)20:00，MBZUAI助理教授沈志强的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是: “LLM提示词、开放式测评和第一个移动智能数据集”，届时

他将从提示词研究、开放式生成评测框架，以及适用于移动设备的智能基准数据集这三个问题出发，探讨如何从方法到工具为大语言模型的未来赋能。

Talk·信息

▼

主题：LLM提示词、开放式评测和第一个移动智能数据集

嘉宾：MBZUAI· 助理教授 - 沈志强

时间：北京时间 1月15日(周三)20:00

地点：TechBeat人工智能社区

一键预约TALK！

Talk·介绍

▼

大语言模型是魔法还是噱头？当我们谈论这些模型在各个领域的惊人表现时，或许很少有人意识到，提示词的设计、评测框架的健全性，以及移动场景下的适应性才是它们真正落地的关键。想象一下，当你用手机上的智能助手提出一个问题时，大语言模型是否能像在高性能服务器上一样高效、准确地回答？这些挑战推动了我们对提示词研究、开放式生成评测框架，以及适用于移动设备的智能基准数据集的进一步探索。本次talk将从这些问题出发，探讨如何从方法到工具为大语言模型的未来赋能。

Talk大纲

1. 大语言模型提示词设计的最新研究与实践

2. 一个开放式生成回答的LLMs评测框架，为全面评估复杂任务、多场景的模型性能提供了新思路

3. 首个针对移动智能的多任务大规模基准数据集的构建与分析。

Talk·预习资料

▼

论文链接：

代码链接：

项目名称：

Mobile-MMLU: A Mobile Intelligence Language Understanding Benchmark

代码链接：

项目主页：

Talk·提问交流

▼

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

Talk·嘉宾介绍

▼

沈志强

MBZUAI · 助理教授

沈志强目前是穆罕默德·本·扎耶德人工智能大学的助理教授。在加入穆罕默德·本·扎耶德人工智能大学之前，他是伊利诺伊大学厄巴纳-香槟分校和复旦大学的联合培养博士，师从美国工程院院士Thomas Huang教授等。博士毕业之后他加入卡耐基梅隆大学从事博士后研究，聚焦于机器学习，计算机视觉等领域。他早期的研究工作主要为传统的计算机视觉任务，比如目标检测，细粒度分类，视频描述，包括最早提出learning object detection from scratch (DSOD)这个问题和任务。最近他还关注于大语言模型，多模态基础模型等方向，同时也研究如何为这些视觉、语言大模型通过机器学习算法进行加速和优化，最近一些工作更多的是研究模型压缩、二值化、量化神经网络、模型和数据集知识蒸馏等工作机制，同时和相关视觉、语言任务的结合。他希望自己的研究能够使机器学习应用在现实场景比如移动端设备更加高效的部署和运行，使用更少的数据（few-shot）和更少的标注（self-supervision），同时保证模型精度。他的一作/共一工作发表于TPAMI、ICLR、NeurIPS、ICML、CVPR、ICCV、ECCV等机器学习和计算机视觉领域顶级期刊和会议，并得到了广泛的认可。

个人主页:

https://www.techbeat.net/grzytrkj?id=12379

-The End-