报告 1 ：上下文忠实的大语言模型：在动态世界中连接过去与未来

随着现实世界的快速变化，现实世界的知识每天都在迅速更新。这一现象提出了一个要求：理想的 AI 助手不仅要记住历史，还要适应新知识。然而，我想问： “ 当前的 LLM 是这样一个理想的 AI 助手吗？ ” 简短的回答是否定的。对于先进的 LLM ，由于其参数规模的快速增长，通过再训练来频繁更新它们变得越来越昂贵。因此，找到一种无需再训练就能更新 LLM 知识的解决方案至关重要。将新知识视为 LLM 的 “ 上下文 ” 是近期研究中常用的一种方案。在这个意义上，我们需要上下文忠实的 LLM 来根据上下文生成正确的输出。另一方面，当前的 LLM 由于多种原因，包括偏见、幻觉和隐私问题，表现出较差的上下文忠实度。在本次报告中，我将介绍我最近致力于解决这些问题以构建上下文忠实的 LLM 的研究。首先，我将介绍我关于 LLM 知识编辑的最新研究，以增强其对新知识的上下文忠实度。其次，我将介绍我未来的工作，即构建上下文忠实的 LLM ，以创建可信赖的 AI 助手，在现实世界的应用中为人类提供服务，并减少对安全和伦理的担忧。通过解决上述挑战，我们可以显著提高 AI 在动态和复杂环境中的可靠性和适用性。

讲者简介：

加州大学默塞德分校（ US News 美国大学排名 60 ）计算机系助理教授王艺炜博士，招收博士生和研究实习生若干，实验室 GPU 和名额充足。学校距离硅谷仅 2 小时车程，实习、工作和研究交流非常方便。王艺炜博士曾任亚马逊（西雅图）应用科学家。他现在的主要研究方向是可靠的大语言模型技术。希望感兴趣的同学可以多多关注。主页： https://wangywust.github.io/ ，联系邮箱： wangyw.evan@gmail.com 。

10:35-11:05

报告 2 ：基于视觉线索的人类行为理解研究

通过视觉线索理解人类行为是计算机视觉领域的一个重要人物，并且在包括医疗保健、 AR/VR 和人机交互等各个领域具有重要意义。准确估计姿态和理解运动模式的能力使我们能够推断意图、预测动作并增强以人为中心的应用。在本次报告中，我们将探讨人类感知领域的最新进展，展示基于学习的模型在解锁人类行为信息方面的潜力。

讲者简介：

澳大利亚昆士兰大学（ QS 世界大学排名 43 ）计算机系 lecturer ( 等同于美国助理教授 ) 蔡雨君博士，招收多名博士生及实习生 /RA （ 24 年秋季开始）。蔡雨君博士毕业于新加坡南洋理工大学，毕业后在美国 Meta 公司虚拟现实实验室担任研究型科学家（ Research Scientist) 。 她的研究方向包括计算机视觉、自然语言处理及多模态学习，目前已在计算机顶级会议及期刊发表论文 20 余篇，谷歌学术引用量超过 2900 。蔡博士在学术界和工业界均有较多合作，希望感兴趣的同学们多多关注。主页： https://vanoracai.github.io/ ，联系邮箱： yujuncai001@outlook.com 。

11:10-11:40

博士招生宣讲与交流