经验分享!从0开始做一篇Benchmark

MLNLP社区致力于推动自然语言处理领域的学术交流与进步,涵盖硕博生、高校老师及企业研究人员等多个群体。文章详细介绍了如何构建高质量的Benchmark,包括数据准备、清洗、审核、模型评估等步骤及其重要性。

李开复加入福建福耀科技大学

MLNLP社区致力于促进国内外机器学习与自然语言处理的交流合作。福建福耀科技大学聘请李开复博士为理事会理事,助力‘高等教育+AI’创新教育模式。李开复分享了AI在教育领域的应用,并期望培养具备创新能力和全球视野的人才。

NUS发布Reasoning中的安全问题综述,idea满满~

MLNLP社区致力于推动国内外自然语言处理领域的学术与应用交流。最新文章探讨了大型推理模型的安全性问题及其对隐私、法律合规等多方面的影响,强调了构建动态防护体系的重要性以平衡AI能力与发展安全之间的关系。

中科院提出DEER:让Reasoning提前退出,推理提速50% 准确率涨10%

MLNLP是国内外知名的机器学习与自然语言处理社区。旨在促进学术界、产业界和爱好者的交流合作。近期提出DEER技术来解决大型语言模型冗长推理的问题,通过监测思考转折词和置信度评估实现。

清华提出Test-Time RL,无需标注,模型自学,正确率飙升159%,实现终身学习

MLNLP社区致力于促进国内外机器学习与自然语言处理的交流合作。论文介绍了一种无需标注数据的新方法TTRL,展示了其在数学推理任务上的显著提升效果。

重磅!国家科学技术奖励:鼓励主要论著优先在国内学术刊物上发表

MLNLP社区致力于促进国内外机器学习与自然语言处理的交流合作。科技部发布了修订后的《国家科学技术奖励条例实施细则》,明确每年评审改为每两年一次,新增了提名评审机制、诚信监督和保密要求等内容。

ACM MM 2025 Grand Challenge 多模态共情回复生成挑战赛

MLNLP社区发起AvaMERG挑战赛,目标是推动多模态情感对话系统的发展,参赛者需生成包含文本、语音和视频虚拟人头像的共情回复模型。

MLNLP学术Talk第三十期 鲍光胜@西湖大学:AI和人类的差异 – 从推理的因果性和生成文本的可检测性看AI和人类的异同

MLNLP学术Talk邀请西湖大学鲍光胜博士分享AI与人类的差异,包括AI推理过程的表面模仿和生成文本的分布差异。报告聚焦大语言模型内在因果图结构、白盒方法检测LLM生成文本等方面。