XiaoMi-AI文件搜索系统
World File Search SystemEMNLP
div>的课程
- Jiaxin Huang, PhD student at UIUC, Microsoft Research Fellowship - Keping Bi, WWW 2021 paper, PhD student at University of Massachusetts Amherst - Yang Zhao, ICML 2020 paper, PhD student at University of Buffalo - Paidamoyo Chapfuwa, CHIL 2020 paper, PhD student at Duke University - Christy Li, AAAI 2020 paper, PhD student at Duke University - Ruqi Zhang, ICLR 2020 paper, PhD student at Cornell University - Le Fang, EMNLP 2019 paper, PhD student at University of Buffalo - Hao Fu, NAACL 2019 paper, PhD student at Duke University - Ke Bai, AISTATS 2019 paper, PhD student at Duke University - Guoyin wang, ACL 2018 paper, PhD student at Duke University - Ruiyi Zhang, AISTATS 2018年论文，Duke University -Sam Lobel的博士生，ICLR 2020论文。杜克大学的访问学生，现为布朗大学的博士生 - 刘豪（Hao Liu），NIPS 2017论文。杜克大学的来访学生，现为加州理工学院的博士生
内容 - 学生积极寻找全职职位...
多视图分析的合作学习D. Ding，B。Narasimhan，R。Tibshirani，国家科学院论文集（PNAS），2022年。机器学习引导的脂质纳米粒子设计用于mRNA Delivery D. Ding，Y。Zhang，Y。Jia，J。太阳。ICML计算生物学研讨会，2023年。使用图表来处理缺失的数据学习X. MA*，J。you*，D。ding*，M。Kochenderfer，J。Leskovec。神经，2020年。（*同等贡献）ngboost：概率预测的自然梯度提升T. Duan，A。Avati，D。Ding，S。Basu，A。Ng，A。Schuler。ICML，2020。通过电子健康记录数据D. Ding，C。Simpson，S。Pfohl，D。Kale，K。Jung，Jung，N。Shah，多任务学习在表型中的有效性。太平洋生物计算研讨会，2019年，聚光灯介绍。胸部X光片诊断的深度学习：Chexnext算法与执业放射学家P. Rajpurkar的回顾性比较，…，D。Ding，…，A。Ng。PLOS Medicine，2018年。由麻省理工学院技术评论和斯坦福新闻报道。学习总结放射学发现Y. Zhang，D。ding，T。Qian，C。Manning，C。Langlotz。关于健康文本挖掘和信息分析的国际研讨会，EMNLP，2018年，Spotlight演示文稿。经验
Chien -Ming Huang-约翰·霍普金斯计算机科学
– Program committee member / reviewer for ACL (2023, 2020, 2017, 2016, 2014, 2013, 2012, 2011, 2010, 2009, 2007, 2005, 2004, 2003, 2002), AISTATS (2010), COLING (2014, 2012, 2008), EAAI (2013), EACL (2012, 2006, 2003, 1999), EMNLP (2018, 2017, 2016, 2014, 2013，2012，2011，2011，2010，2010，2008，2008，2007，2006，2003，2002 - 2018，2010中的“最佳审稿人”奖项，FSMNLP（2005，2001），ICGI（2012），ICFP（2008），ICLR（2008），ICLR（ICLR（2017），2017年），ICML（2019，2016，2016，2004）； NAACL (2016, 2015, 2013, 2012, 2010, 2009, 2006), NeurIPS (2020, 2019, 2018, 2017, 2016, 2014, 2013, 2011, 2010, 2007), NLP-LING (2010), SCiL (2020, 2018), SIGMOR- PHON (2023, 2019, 2018, 2014, 2012, 2010, 2008, 2006, 2004, 2002, 2000, 1998年），WINLP - 卫生NLP研讨会（2023，2021，2019，2018，2018，2017），ACL统计NLP和加权自动机（Statfsm）（2016）（2016），ACL关于NLP（unsnlp）的神经疗法中的语言结构相关性的ACL相关性（2011年） ACL关于NLP和CL教学的ACL讲习班（2024、2013、2008、2005、2002），CVPR结构化预测的研讨会（2013年），ICML关于依次模型预测的关于预测的研讨会（2013），国际惯例会议，依赖性语言学的国际会议（2011年），关于对Slavic语言学的诉讼，对Slavic Linguisticals的For-Mal of-Mal of-Mal of-Mal Intershop。
汤姆·米切尔 - CMU计算机科学学院
•从多项选择问题中自动生成和标记知识组件S.（获得了会议最佳数据集奖）•在生成AI，W。Balu，V。Cerf等人时代保护科学完整性，《国家科学院学院论文集》，社论，第1卷。121，否。22，5月，2024年。•学习比较提示：结合学生日志中的见解和大型语言模型，T。Zhang，H。Kumar，R。Schmucker，A。Azaria，A。Azaria，T。Mitchell，T。Mitchell，AAAI教育工作室，20024年2月，2024年，•荷叶边和莱利：迈向自动吸引会话辅导系统，R。Schmucker，M。Xia，A。Azaria，T。Mitchell，T。Mitchell，Neurips，Neurips 2023 2023年生动AI的教育研讨会（GAIED），1223年12月，2023年，•阅读并收获回报：在说明手册的帮助下学习atari，Y。Wu，Y。Fan，A。Azaria，Y。Li，T。Mitchell，第37届神经信息处理系统会议（Neurips 2023），第37页，第37页，967--976，2023年12月。•LLM的内部状态知道何时说谎，A。Azaria，T。Mitchell，计算语言学协会的发现：EMNLP 2023，pp。967--976，2023年12月。•学习提供有用的提示：援助行动评估和政策改进，R。Schmucker，N。Pachapurkar，S。Bala，T。Mitchell，T。Mitchell，第18届欧洲技术增强学习会议，EC-TEL 2023，2023年9月。
我应该听从人工智能的建议吗？衡量人类与人工智能决策的适当依赖程度
[1] Gagan Bansal、Tongshuang Wu、Joyce Zhou、Raymond Fok、Besmira Nushi、Ece Kamar、Marco Tulio Ribeiro 和 Daniel Weld。2021 年。整体是否超过部分？人工智能解释对互补团队绩效的影响。在 2021 年 CHI 计算机系统人为因素会议论文集。1-16。[2] Zana Buçinca、Maja Barbara Malaya 和 Krzysztof Z Gajos。2021 年。信任还是思考：认知强制函数可以减少人工智能辅助决策对人工智能的过度依赖。ACM 人机交互论文集 5，CSCW1 (2021)，1-21。[3] Adrian Bussone、Simone Stumpf 和 Dympna O'Sullivan。 2015.对临床决策支持系统中信任和依赖的解释的作用。 2015年医疗信息学国际会议。 160–169。 [4] Arjun Chandrasekaran、Viraj Prabhu、Deshraj Yadav、Prithvijit Chattopadhyay 和 Devi Parikh。 2018.解释是否能让 VQA 模型对人类来说更具可预测性？在 EMNLP 中。 [5] Muhammad EH Chowdhury、Tawsifur Rahman、Amith Khandakar、Rashid Mazhar、Muhammad Abdul Kadir、Zaid Bin Mahbub、Khandakar Reajul Islam、Muhammad Salman Khan、Atif Iqbal、Nasser Al Emadi 等。 2020.人工智能可以帮助筛查病毒和COVID-19肺炎吗？ IEEE Access 8 (2020)，132665–132676。[6] Berkeley J Dietvorst、Joseph P Simmons 和 Cade Massey。2015 年。算法厌恶：人们在看到算法错误后会错误地避开它们。《实验心理学杂志：综合》144，1 (2015)，114。[7] Mary T Dzindolet、Scott A Peterson、Regina A Pomranky、Linda G Pierce 和 Hall P Beck。2003 年。信任在自动化依赖中的作用。《国际人机研究杂志》58，6 (2003)，697–718。[8] Ana Valeria Gonzalez、Gagan Bansal、Angela Fan、Robin Jia、Yashar Mehdad 和 Srinivasan Iyer。2020 年。人类对开放域问答的口头与视觉解释的评估。 arXiv preprint arXiv:2012.15075 (2020)。[9] Patrick Hemmer、Max Schemmer、Michael Vössing 和 Niklas Kühl。2021 年。混合智能系统中的人机互补性：结构化文献综述。PACIS 2021 论文集 (2021)。[10] Robert R Hoffman、Shane T Mueller、Gary Klein 和 Jordan Litman。2018 年。可解释人工智能的指标：挑战与前景。arXiv preprint arXiv:1812.04608 (2018)。
John Glongstun
1。背包语言模型。在计算语言学协会年会（ACL）年会2023年。接受率：23.5％未偿还纸张奖：39 /3872纸提交。约翰·休伊特（John Hewitt），约翰·加斯敦（John Glongstun），克里斯托弗·D·曼宁（Christopher D. Manning），珀西·梁（Percy Liang）。2。通过生成预训练的旋律转录。在国际音乐信息检索研讨会（ISMIR）2022中。接受率：43.3％的克里斯·多纳休（Chris Donahue），约翰·加斯敦（John Glongstun），珀西·梁（Percy Liang）。3。扩散lm改善可控文本生成。神经信息处理系统的进步（神经）2022。接受率：25.6％的口头呈递。Xiang Lisa Li，John Glongstun，Ishaan Gulrajani，Percy Liang，Tatsunori B. Hashimoto。 4。 淡紫色：使用发散边界来测量神经文本和人类文本之间的差距。 神经信息处理系统的进步（神经）2021。 接受率：25.7％未偿还纸张奖：6 /9122纸质提交。 奎师那·普鲁图拉（Krishna Pillutla），斯瓦巴（Swabha Swayamdipta），罗文·泽勒斯（Rowan Zellers），约翰·盖斯坦（John Gondstun），肖恩·威尔克（Sean Welleck），Yejin Choi，Zaid Harchaoui。 5。 通过Langevin Dynamics从自回旋模型进行平行和灵活的采样。 在机器学习国际会议（ICML）2021中。 接受率：21.5％Vivek Jayaram*，John Glongstun*（*同等贡献）。 6。 使用连续时间梯度更快地学习。 动态与控制学习（L4DC）2021。 7。 8。 9。 10。Xiang Lisa Li，John Glongstun，Ishaan Gulrajani，Percy Liang，Tatsunori B. Hashimoto。4。淡紫色：使用发散边界来测量神经文本和人类文本之间的差距。神经信息处理系统的进步（神经）2021。接受率：25.7％未偿还纸张奖：6 /9122纸质提交。奎师那·普鲁图拉（Krishna Pillutla），斯瓦巴（Swabha Swayamdipta），罗文·泽勒斯（Rowan Zellers），约翰·盖斯坦（John Gondstun），肖恩·威尔克（Sean Welleck），Yejin Choi，Zaid Harchaoui。5。通过Langevin Dynamics从自回旋模型进行平行和灵活的采样。在机器学习国际会议（ICML）2021中。接受率：21.5％Vivek Jayaram*，John Glongstun*（*同等贡献）。6。使用连续时间梯度更快地学习。动态与控制学习（L4DC）2021。7。8。9。10。塞缪尔·阿恩斯沃思（Samuel Ainsworth），肯德尔·洛里（Kendall Lowrey），约翰·康斯敦（John Glongstun），扎伊德·哈科伊（Zaid Harchaoui），悉达多·斯里尼瓦萨（Siddhartha Srinivasa）。一种信息瓶颈方法，用于控制理由提取中的简洁性。自然语言处理中的经验方法（EMNLP）2020。接受率：24.5％Bhargavi Paranjape，Mandar Joshi，John Glongstun，Hannaneh Hajishirzi，Luke Zettlemoyer。用深的生成先验的源分离。在国际机器学习会议（ICML）2020中。接受率：21.8％Vivek Jayaram*，John Glongstun*（*同等贡献）。卷积作曲家分类。在国际音乐信息检索研讨会（ISMIR）2019中。接受率：45.1％苛刻的Verma，John Glongstun。耦合复发模型，用于复音音乐组成。在国际音乐信息检索研讨会（ISMIR）2019中。接受率：45.1％John Glongstun，Zaid Harchaoui，Dean P. Foster，Sham M. Kakade。11。监督音乐转录的不断增长和数据增强。在国际声学，言语和信号处理（ICASSP）2018中。接受率：49.7％的口头介绍。John Gongstun，Zaid Harchaoui，Dean P. Foster，Sham M. Kakade。12。用于多个F0估计的频域卷积。Mirex摘要（技术报告）2017。John Gongstun，Zaid Harchaoui，Dean P. Foster，Sham M. Kakade。13。音乐网：从头开始学习音乐的功能。在2017年国际学习表征会议（ICLR）。接受率：39.1％John Glongstun，Zaid Harchaoui，Sham M. Kakade。