报告一

程思婕 清华大学

题目：浅谈大模型时代的科研核心竞争力

摘要：随着文本大模型技术的飞速发展，科研领域的算力和人力资源需求日益增长，科研节奏持续不断地加快。然而，这一进步也带来了研究路线同质化、顶级学术会议论文开始贬值等一系列问题。因此，本次分享旨在探讨，在大模型时代背景下，作为高校学子的我们如何适应快速变化的科研环境，并构建自己的科研核心竞争力。

讲者：程思婕，清华大学计算机系博士，导师为刘洋教授。研究方向为基础大模型，已发表ICLR/ACL/CVPR等人工智能顶级会议论文十余篇，曾获国家奖学金、上海市计算机学会优秀硕士学位论文奖等荣誉。 

报告二

姚云志 浙江大学

题目：浅谈大模型时代下如何研究一个新问题：以知识编辑为例

摘要：大语言模型的出现极大的改变了自然语言处理的研究重点的变化，许多过去的研究问题受到了大语言模型的冲击。本次分享作者将结合语言模型知识编辑的探索，探讨在大语言模型时代，我们如何跟上时代的浪潮，拥抱变化，开展对新问题的研究。

讲者：姚云志，浙江大学计算机科学与技术博士，导师为陈华钧教授。研究方向为大语言模型的知识获取、编辑与增强。目前在ACL、EMNLP、SIGIR等人工智能顶级会议发表多篇论文。

报告三

李波波 武汉大学

题目：基于大模型的文本情感计算

摘要：对话场景下的情感理解技术是当前自然语言处理领域的一个热点话题，涵盖了多个研究方向，包括对话情绪分类、对话情感原因抽取、多模态对话情感分析、方面级对话情感分析以及共情对话生成等。在此次论坛中，我们将介绍团队在这些领域的研究进展，并且归纳总结相关领域的前沿研究动态，分享我们的见解。欢迎各位同行参与讨论，共同推动对话情感理解技术的发展。

讲者：李波波，武汉大学博士研究生，导师为姬东鸿教授，曾在新加坡国立大学NeXT++实验室访问，研究方向为信息抽取和情感计算等。目前在ACL、AAAI、NAACL、TASLP等会议期刊上发表多篇论文，并多次担任相关会议期刊的审稿人。

报告四

牟馨忆 复旦大学

题目：如何开展交叉学科的研究：以人物建模为例

摘要：当前，新一轮科技革命加速演进，人工智能和自然语言处理的研究展现了可以赋能其他学科的趋势，交叉学科研究越来越成为推动创新和解决复杂问题的重要方式。然而，跨越不同学科边界进行科学研究也带来了诸多挑战和问题。本次报告将结合讲者作为NLP学生在社会计算领域的研究中的实际经历与思考，探讨没有相关学科背景的小白如何进行交叉学科的研究，希望能给初入科研的同学一些帮助。

讲者：牟馨忆，复旦大学博士研究生，导师为魏忠钰副教授，研究兴趣为社会计算与社会媒体分析，相关工作发表在ACL、WWW、COLING等学术会议，并担任相关会议审稿人。