本文主要是介绍Talk | EMNLP 2023 最佳长论文：以标签为锚-从信息流动的视角分析上下文学习，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
本期为TechBeat人工智能社区第561期线上Talk。
北京时间1月4日(周四)20:00，北京大学博士生—王乐安的Talk已准时在TechBeat人工智能社区开播！
他与大家分享的主题是: “以标签为锚-从信息流动的视角分析上下文学习”，介绍了他的团队在上下文学习相关的分析工作所做的研究。
Talk·信息
▼
主题：以标签为锚-从信息流动的视角分析上下文学习
嘉宾：北京大学博士生 王乐安
时间：北京时间 1月4日(周四)20:00
地点：TechBeat人工智能社区
点击下方链接，即可观看视频！
TechBeatTechBeat是荟聚全球华人AI精英的成长社区，每周上新来自顶尖大厂、明星创业公司、国际顶级高校相关专业在读博士的最新研究工作。我们希望为AI人才打造更专业的服务和体验，加速并陪伴其成长。
https://www.techbeat.net/talk-info?id=840
Talk·介绍
▼
上下文学习无需参数更新，直观易用，非常契合大语言模型时代的需求。近来，已经有许多工作从不同角度分析了上下文学习。我们的工作从信息流动的角度审视了上下文学习，提出并验证了“标签词在上下文学习中起锚点作用”的假设。进一步地，基于这一假设，我们提出了三个应用，展示了我们的分析结论的应用潜力。
Talk大纲
1、背景 - 上下文学习相关的分析工作
2、猜想 - 上下文学习中存在”以标签为锚”的信息流动
3、猜想验证与应用 - 介绍我们如何验证这一猜想以及这一猜想存在什么应用
4、进一步讨论 - 我们的工作和其他同期的机制可解释性工作的相似性与关联
Talk·预习资料
▼
论文链接：https://arxiv.org/abs/2305.14160
Talk·提问交流
▼
在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！
你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！
Talk·嘉宾介绍
▼
王乐安
北京大学博士生
王乐安，北大博士生，由孙栩老师指导。他目前的研究兴趣主要在于大模型的可解释性与机理。他在EMNLP 2023上发表的工作Label Words are Anchors: An Information Flow Perspective for Understanding In-Context Learning获得了最佳长论文奖。在此之前，他在北大图灵班（智能方向）获得了学士学位。
个人主页: https://www.techbeat.net/grzytrkj?id=36706
关于TechBeat人工智能社区
▼
TechBeat(www.techbeat.net)隶属于将门创投，是一个荟聚全球华人AI精英的成长社区。
我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。
期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！
更多详细介绍>>TechBeat，一个荟聚全球华人AI精英的学习成长社区
这篇关于Talk | EMNLP 2023 最佳长论文：以标签为锚-从信息流动的视角分析上下文学习的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
