5月8日，应伟德betvlctor1946邀请，复旦大学博士桂韬作了题为“自然语言处理中的鲁棒性”的线下学术报告。本次学术报告由伟德betvlctor1946教授、博士生导师刘培玉主持，学院部分博、硕士研究生参加了此次学术活动，并参与讨论。
首先，桂韬博士向我们简单介绍了有关自然语言处理以及神经网络的背景知识。并接着引出研究自然语言处理中的鲁棒性的原因：（1）深度神经网络在几乎全部自然语言处理任务中都取得了非常好的效果，在包括阅读理解在内的很多任务的标准评测集合上达到了超越人类的准确性。（2）在实际应用中发现,深度神经网络在真实场景中很多模型的效果大打折扣，所获得精度甚至远远低于传统机器学习方法。（3）近年来的很多研究也表明,深度神经网络模型在仅仅添加了很小的扰动的样本上，其预测效果也很可能出现大幅度下降。模型鲁棒性的研究也因此受到越来越多的关注。
其次，桂韬博士针对自然语言处理算法的鲁棒性问题向大家进行了细致深刻的讲解。同时，在语料构建、文本表示、模型分析、鲁棒性评测等方面的最新研究进行介绍。具体涉及到命令式识别、贝叶斯深度学习理论、远程监督中的噪声标签等专业前沿知识。另外，对该研究的实验结果以及实验过程中的过度调参处理进行讲解，内容深刻，受益匪浅。
在报告会交流环节，桂博士就老师和同学们提出的问题发表了自己的观点，并和大家展开了更深的探讨，帮助同学们扩展了视野。通过此次报告会，同学们对自然语言处理研究方向有了进一步的了解和认识，对今后科研工作的开展有着积极的促进作用。
桂韬，本科毕业于国防科技大学，现于复旦大学就读博士学位。主要研究方向包括信息抽取、强化学习、社交媒体分析等。博士期间在ACL、AAAL、lJCAI、SIGIR、EMNLP等自然语言处理和人工智能顶会上发表长篇论文15篇，其中第一作者10篇。2018年获COLING领域主席推荐奖(Area Chair Favorites)。2019年获得百度奖学金、lBM奖学金、国家奖学金、复旦大学优秀学生标兵。
