报告摘要：大语言模型具备强大的知识编码和推理能力。然而，大语言模型的性能在很大程度上依赖于所设计的提示词的质量，此外，大语言模型在具体的场景或应用下会出现不同程度的幻觉。这些问题都给大语言模型走向实际应用带来挑战。本次报告探究如何自动地优化大语言模型的提示词，以及如何改善大语言模型的幻觉问题，从而提升大语言模型这样一个黑盒复杂网络的能力。 个人简历：康国梁，北京航空航天大学自动化科学与电气工程学院教授，国家级青年人才，长期从事深度学习，人工智能领域的研究，目前关注开放环境下的视觉理解，多模态推理，多模态生成等任务。近5年在人工智能领域内顶级期刊/会议上发表论文30余篇，Google Scholar引用12000多次。主持青年人才项目、基金委重大研究计划项目，参与国家重点研发计划项目等。 |