IP Intelligence Lab

Introduction

组内大的研究方向为大语言模型（含多模态）、信息检索及智能体等，包含知识产权、法律和生物信息等多种垂域相关研究，依托大连理工大学信息检索实验室（指导老师：林原副教授，许侃高级工程师）与中国科学院深圳先进技术研究院（指导老师：博士生王琪尧）主要针对大连理工大学的本科生进行自然语言处理领域的科研指导（其他学校学生同样欢迎联系）。 具有较为丰富的计算资源，指导学生推免至中国科学院大学、上海交通大学、浙江大学、北京航空航天大学及大连理工大学等。欢迎任何年级、任何专业、任何学校的同学随时通过邮件联系三位老师（发送任一老师，并抄送其他两位老师），一起在人工智能+、自然语言处理等领域做出有趣的研究。

本科生亮点成果

  • 论文：2024年以来，已有本科生发表包含领域中文期刊会议，中文信息学报（2篇）、计算机学报（1篇）、图书情报工作（1篇）、图书理论与实践（1篇）、计算机工程与应用（1篇）、CCIR（5篇）等相关论文；同时目前已有本科生投稿领域英文顶会，NeurIPS、ICLR、ACL、EMNLP、AAAI及ICASSP等。
  • 知识产权：指导本科生授权及申请专利 4 项，授权软件著作权 7 项。
  • 竞赛：指导本科生获得 10 项国家级奖项和 12 项省级奖项，包含第十九届“挑战杯”全国大学生课外学术科技作品竞赛国家级一等奖、“挑战杯”中国大学生创业计划竞赛全国银奖、中国大学生计算机设计大赛全国二等奖/三等奖、中国TRIZ杯大学生创新方法竞赛全国二等奖等。
  • 荣誉：国家奖学金、校优秀本科毕业论文、大连理工大学各类命名/专项/单项奖学金、国家级大创、CCIR2025最佳论文候选等。
  • 升学去向：中国科学院计算所，深圳先进技术研究院等院所、上海交通大学、复旦大学、浙江大学、北京航空航天大学、大连理工大学等。

Training

Target

面向本科生科研，针对自然语言处理、大语言模型、信息检索及知识产权、法律等垂域应用，将收获：

  • 熟悉人工智能研究领域基础、前沿知识，通过至少每周一次的组会与老师、学长交流，提升科研能力
  • 掌握人工智能领域科研的基本流程，学会阅读、理解、表达文献，熟练运用各类科研工具和文献撰写工具及技巧
  • 面向上述前沿研究领域，探索新颖科研想法，在人工智能中文、英文的顶级期刊及会议上发表论文，参与国内外学术会议交流学习，申请专利与软著
  • 参与相关科研项目，提前了解人工智能领域的项目流程，转化国家级大创，参与各类国家级创新创业竞赛

Content

入门培训目标：掌握基本的科研能力，学会制作PPT、撰写LaTex等基础工具，学会文献检索、阅读等，学习大模型之前的机器学习、深度学习、自然语言处理的相关知识。

  1. 大语言模型前的基础知识

    • 编程基础：熟悉Python语言（建议 Learning while Doing，特别是编程语言），基础语法、面向对象编程，有问题问GPT。会使用PyCharm等IDE、熟练配置编译（会ssh远程连接与上传文件【服务器所需】等
    • 机器学习、深度学习基础
      学习参考：台大李宏毅（homepage）的课程（17、18年等课程)
      机器学习学习路线：基本概念（训练集测试集验证集、指标、损失等）、监督学习、无监督学习、半监督学习相关算法
      深度学习学习路线：基本概念（梯度下降、反向传播、交叉熵损失、激活函数等）、全连接层、CNN、RNN、LSTM、GRU、Transformer等
    • NLP基础
      学习参考：CS336、大规模语言模型（复旦NLP撰写）等 统计自然语言处理：宗成庆，主要理解NLP的任务（分词、词性标注等）、语料库，以及例如n-gram等重要概念
      基于深度学习的自然语言处理：理解不同架构的Language Model，Encoder-Only（BERT系列等）、Encoder-Decoder（T5等）、Decoder-Only（GPT2、GPT3等）

Assessment

为了避免浪费你我的时间，将在后续详细说明本小组的入门考核，目前请还是联系三位指导老师（发送任一老师，并抄送其他两位老师）。

Member

  • 指导老师：林原副教授、许侃高级工程师、博士生王琪尧（中科院深先院）
  • 在组学生：王宏波（计算机）、刘华仁（经管）、康涵禹（数学）、曹荣（未来）、王世强（未来）、胡浩然（未来）、陈欣宜（计算机）、陈旭峰（计算机）、秦知非（公管）、祝铭徽（公管）
  • 毕业学生：吴鑫卓（浙江大学，工程硕博）、黄建国（上海交通大学，直博）、卢树乐（北京航空航天大学，硕士）、李林蔚（复旦大学）等