ku111net议时间：2025年4月2日（周三）14:30
参ku111net人员：信息科学与工程学院（人工智能学院）科研团队教师，欢迎广大师生参加。
ku111net议地点：墨子楼中兴ku111net议室
报告1：元强化微调（MRT）在大型语言模型推理中的应用
报告人：姚建龙
内容简介：高效的测试时计算优化是提升大型语言模型（LLM）推理能力的关键挑战。本报告介绍了由CMU和HuggingFace提出的「元强化微调」（MRT）新范式，通过密集奖励机制优化LLM在推理过程中的探索-利用平衡。MRT将输出流分割为多个片段，动态评估每个片段的进展，显著提升了模型在数学推理任务中的准确性和token效率。实验表明，MRT在AIME、AMC等基准测试中性能超越传统强化学习方法（如GRPO），准确率提升2～3倍，token效率提高1.5～5倍。该范式为LLM在分布外问题上的系统性推理提供了新思路。
报告2：融合领域知识的宫颈细胞实例分割方法
报告人：杨晓娜
内容简介：精准的细胞实例分割是计算机辅助诊断研究中的核心环节。本研究提出一种医学知识融合的实例分割方法。针对宫颈细胞图像中普遍存在的重叠、粘连及形态异质性显著等问题，设计了一种基于FPN（特征金字塔）架构的无监督的多阶段实例分割框架，通过专家知识引导的特征学习和自监督机制的协同优化，以增强模型对复杂细胞结构的表征能力。该方法能够实现没有任何标注数据下高精度的细胞边缘分割，并为下游任务（如细胞分类、病变分级）提供更可靠的数据支撑和可解释性。
科技处
信息科学与工程学院（人工智能学院）
2025年3月31日
检索
鲁公安网备37040002002001号