實錄分享 | 計算未來輕沙龍：讓機器擁有理解語言的能力（影片 + PPT）-知識星球

10 月 13 日（週六）上午，PaperWeekly 攜手清華大學計算機系推出了計算未來輕沙龍第二期線下活動——讓機器擁有理解語言的能力。來自中國科學院自動化研究所、國防科技大學計算機學院和清華大學計算機系的三位博士，系統而深入地分享了他們各自在機器閱讀理解領域的最新研究進展。

本文將獨家分享本期活動的完整影片回顧和嘉賓課件下載。

王炳寧 / 中國科學院自動化研究所博士

王炳寧，中國科學院自動化研究所博士畢業生，主要研究方向為自然語言處理，機器閱讀理解。在 IJCAI，ACL 等人工智慧、自然語言處理頂級會議上以第一作者身份發表論文四篇。現負責搜狗立知專案閱讀理解部分。

機器閱讀理解研究進展概述

機器閱讀理解是現今問答技術發展的核心之一。在本次報告中，我將從認知的角度介紹機器閱讀理解的發展以及和人類閱讀理解的關聯和區別。

胡明昊 / 國防科技大學計算機學院博士生

胡明昊，博士在讀，本科畢業於國防科技大學計算機學院，研究領域為自然語言處理和機器閱讀理解。博士期間在 IJCAI、EMNLP 等國際頂尖學術會議上發表文章。

針對機器閱讀理解的高效性和魯棒性研究

近年來，抽取式機器閱讀理解任務取得了顯著的進展，最頂尖模型的效能甚至超過了人類。然而，當前方法卻存在著效率低下、易受對抗樣本攻擊和無法拒絕給出答案等問題。在本報告中，我們將介紹如何利用知識蒸餾技術來提升閱讀理解系統的效率和魯棒性，並且討論一個閱讀+驗證的框架來檢測問題是否可回答。我們期望上述探索能夠進一步增強閱讀理解系統的實用性。

林衍凱 / 清華大學計算機系博士生

林衍凱，清華大學計算機系博士生五年級，來自清華大學自然語言處理組，由孫茂松教授和劉知遠副教授共同指導，主要研究方向為知識圖譜表示、構建和應用。目前已在人工智慧、自然語言處理等領域的著名國際會議 IJCAI，AAAI，EMNLP，ACL 發表相關論文多篇，Google Scholar 取用數超過 700。

考慮噪音過濾的開放域問答

開放域問答著眼於從大規模的無標註文字中提取出給定問題的答案。現有開放域問答系統一般採用機器閱讀理解技術對問題檢索到的文字段落進行分析來提取出答案。但是，這些方法無法有效綜合考慮不同文字段落的資訊，還會受到文字段落中噪音的影響。此次報告，我們將介紹我們根據人類瀏覽、精讀和總結的閱讀樣式提出的開放域問答模型，並介紹我們如何進一步利用有監督的資料幫助模型進行噪音過濾。