0
| 本文作者： 我在思考中 | 2022-05-26 10:38 | 專題：ACL 2019 |
作者｜王玥
ACL 2022官方發(fā)布消息稱，清華大學自然語言處理與社會人文計算實驗室獲得ACL 2022最佳演示論文獎（Best Demo Paper Award）。
該獎項是ACL系列會議對System Demonstration論文授予的最佳論文獎項，每屆會議基于評審人員評估的系統(tǒng)貢獻度、完成度、影響力及會議演示綜合效果的綜合評價評選出一篇獲獎論文。
圖注：ACL 2022 官網(wǎng)宣布獎項頁面
據(jù)悉，清華NLP此次獲獎的論文題為“OpenPrompt：一種用于提示學習的開源框架（OpenPrompt: An Open-source Framework for Prompt-learning）”。作者為丁寧*，胡聲鼎*，趙威霖*，陳雨琳，劉知遠，鄭海濤，孫茂松（*代表共同第一作者）。
論文地址：https://arxiv.org/abs/2111.01998
該篇論文提出了OpenPrompt，這是一個統(tǒng)一的易于使用的提示學習（Prompt-learning）編程工具包。
圖注：OpenPrompt的總體架構
提示學習是現(xiàn)代自然語言處理驅動預訓練語言模型的新范式，提示學習通過插入額外的上下文和標簽映射，直接將下游任務組織成模型的預訓練任務（如Masked Language Model）來進行訓練，在多種NLP任務上取得了很好的表現(xiàn)。
然而，目前尚且沒有一套針對提示學習的編程框架，現(xiàn)有的提示學習代碼庫往往在傳統(tǒng)的微調范式下做出改動，只為特定場景提供有限的實現(xiàn)。由于提示學習是預訓練任務與模型、NLP下游任務、先驗知識的綜合過程，在實現(xiàn)中往往需要考慮很多細節(jié)，如模板（Template）和標簽（Verbalizer）映射生成策略等等，這些細節(jié)問題在實踐中可能會給編程者帶來諸多障礙。
這篇文章提出了OpenPrompt。據(jù)介紹，它具有高效、模塊化和可擴展性的特點，同時其可組合性允許使用者在一個統(tǒng)一的范式中自由組合不同的預訓練模型、任務形式和提示模塊。使用者可以方便地部署提示學習框架，并不受限制地評估它們在不同的NLP任務和模型上的通用性。OpenPrompt在GitHub上已開源，目前已收到約1500顆星標，受到了業(yè)界的關注和認可。
清華大學計算機系自然語言處理與社會人文計算實驗室（THUNLP）成立于20世紀70年代末，最初在黃昌寧教授的帶領下從事中文信息處理方面的研究工作，是國內開展自然語言處理研究最早、深具影響力的科研單位。
THUNLP 實驗室學術帶頭人為孫茂松教授。據(jù)清華大學官網(wǎng)介紹，孫茂松教授為清華大學計算機系教授，清華大學人工智能研究院常務副院長及博士生導師。他的主要研究領域為自然語言處理、互聯(lián)網(wǎng)智能、機器學習、社會計算和計算教育學。
圖為孫茂松教授
孫茂松教授在國際刊物、會議及國內核心刊物上發(fā)表多篇論文，Google Scholar總引用數(shù)約2,4300次。
THUNLP的亮點工作，要屬孫茂松教授帶領的THUAIPoet團隊研發(fā)的“九歌”中文詩歌自動生成系統(tǒng)。“九歌”支持集句詩、絕句、藏頭詩、詞等不同體裁詩歌的在線生成。作為目前最有影響的詩歌生成系統(tǒng)之一，“九歌”曾于2017年登上央視一套大型科技類挑戰(zhàn)節(jié)目《機智過人》第一季的舞臺，與當代優(yōu)秀青年詩人同臺競技比拼詩詞創(chuàng)作。
圖注：“九歌”工作界面
2017年上線至今，“九歌”已累計為用戶創(chuàng)作超過700萬首詩詞，并于全國計算語言學學術會議(CCL)榮獲最佳論文獎(2018)和兩次最佳系統(tǒng)展示獎(2017, 2019)。
THUNLP實驗室瞄準以中文為核心的自然語言處理前沿課題，在中文信息處理、機器翻譯、社會計算、智慧教育和知識圖譜等方面開展系統(tǒng)深入的研究，不僅手握“九歌”這樣的亮點工作，更取得了一系列有世界影響力的原創(chuàng)成果，培養(yǎng)了一批人工智能優(yōu)秀人才，在國內外具有較大的學術影響。
參考鏈接：
https://www.2022.aclweb.org/
https://www.2022.aclweb.org/best-demo-paper-award
http://114.215.64.60:8094/site2/index.php/en
https://www.cs.tsinghua.edu.cn/info/1121/3554.htm
https://openhownet.thunlp.org/about_thunlp
https://scholar.google.com/citations?user=zIgT0HMAAAAJ&hl=en
雷峰網(wǎng)(公眾號：雷峰網(wǎng))
專題
