注意该招聘信息在 100 天前已发布，有可能已失效
0
申请人
清华大学知识工程实验室招聘研究实习生
于 清华大学知识工程实验室 (不限地址)
研究内容
知识是人工智能的核心驱动，如何准确、高效地获取知识是一个重要的研究课题。信息抽取 (Information Extraction)旨在从大规模自然语言文本中抽取出由图结构表示的结构化知识，由于其显著的研究意义和应用价值，已经成为知识问答系统、自动文本摘要等多个自然语言处理相关下游应用的基础。目前，信息抽取在如何构建准确且鲁棒的算法模型、怎样评测算法模型在开放世界中的有效性等方面仍存在很多挑战。
我们的主要研究课题包括：
- 鲁棒的信息抽取算法模型。研究在有限标注的基础上，训练和构建对句法分布鲁棒的信息抽取算法模型，以适应领域迁移等开放世界场景。
- 适应组合泛化的算法模型。研究能够适应复杂逻辑推理、类比归纳的信息抽取算法模型，以提升在不同分布的数据集上的泛化效果。
- 信息抽取算法模型的评测标准。研究面向信息抽取算法模型的评测数据和方法，以评测模型在开放世界场景下的鲁棒性和准确性。
实习生招募
清华大学知识工程实验室由李涓子教授领衔，深耕知识图谱领域多年。实验室在信息抽取方向有多位经验丰富的博士生和硕士生，已在顶级学术会议上发表多篇论文。
我们希望你：
- 熟悉自然语言处理领域的经典算法，在一个或多个任务上有一定的实践经验和技术积累。
- 熟悉机器学习与深度学习的基本理论，了解常用机制如Contrastive Learning、Energy-based Learning，以及常用模型如Transformer、BERT、T5等。
- 熟悉Python语言及PyTorch等深度学习框架，具有较好的编程能力，能够快速实现各种算法原型。
- 有足够的科研热情和自我驱动力，耐心细致，对自然语言处理和信息抽取研究感兴趣。
- 每周能够有至少3天的全勤时间参与科研工作（可以远程实习）。
- 有科研经验或算法竞赛经历者优先。
有意者请发送个人简历至“qijimrc@163.com“咨询联系，欢迎加入我们，和我们一起参与前沿领域研究。
你将收获
- 完整的科研流程经验。在参与工作的过程中，你将体验到科研论文发表的全流程，得到科研训练。如果你已具有发表顶会论文的经验，我们也可以一起探索交流相关研究课题，共同完成论文产出。
- 经济支持。我们将会根据你的能力提供适当的实习补助。
- 人脉资源。你将收获与众多优秀的学长和老师交流沟通的机会。