报告时间：2022年5月11日（周三）14：30 – 16：30

报告地点：线上腾讯会议，会议ID（126909701）

报告题目：如何训练一个全能的预训练模型？兼顾理解和生成的中文预训练模型CPT

报告简介：中文预训练模型现如今正在蓬勃发展，新的模型层出不穷。这些模型一般可分为两类：一类采用BERT相似的架构，重点提升自然语言理解任务的性能；另一类致力于更好的文本生成，使用生成式架构和训练任务。致力于同时兼顾理解和生成任务，我们提出了一种非对称的单输入多输出模型——CPT。通过简单的参数共享和多任务预训练，使得模型能学到自然语言理解和文本生成的共性知识和特性知识。同时，模型采用深层编码器和浅层解码器的非对称结构，保证了下游任务微调时的灵活性和易用性。实验结果表明，CPT在下游的自然语言理解任务和文本生成任务中都有明显效果，并且特有的浅层解码器结构能大大加速模型的训练和预测。本报告将介绍兼顾理解和生成的中文预训练模型，训练和微调方法。

报告人介绍：邱锡鹏，复旦大学计算机学院教授，国家优青获得者，于复旦大学获得理学学士和博士学位。主要从事自然语言处理、深度学习等方向的研究，发表CCF A/B类论文70余篇，获得ACL 2017杰出论文奖（CCF A类）、CCL 2019最佳论文奖，有4篇论文入选PaperDigest发布的IJCAI/ACL/EMNLP的最有影响力论文（各会议每年10篇）。出版开源专著《神经网络与深度学习》，Github关注数1.5万，豆瓣评分9.4分。主持开发了开源框架FudanNLP和FastNLP，已被国内外数百家单位使用。2015年入选首届中国科协青年人才托举工程项目，2018年获钱伟长中文信息处理科学技术奖青年创新奖一等奖，2020-2021年连续两年入选由清华-中国工程院知识智能联合研究中心发布的"AI 2000人工智能全球最具影响力提名学者"等。培养学生曾获中国中文信息学会优博、中国人工智能学会优博、上海市优博、微软学者、百度奖学金等。