报告时间：2024年9月18日（周五）10:00-11:00

报告地点：计算机与大数据学院2#407会议室

报告题目：可验证的大语言模型及其应用

报告简介：工业界和学术界已开始从ChatGPT驱动的应用探索转向各种大语言模型LLM的实际应用，开始研究生产级生成式人工智能技术，利用专有数据执行检索增强式AI生成任务，甚至对LLM在具体领域私有数据上进行调优和训练。生成式人工智能技术正在更深入地融入学术研究和工业生成的核心业务流程，LLM的可验证性也成为当前研究的热点问题之一。可验证的大语言模型(verifiable LLM)应运而生，且正在成为各类LLM深入应用发展的重要基石。可验证LLM的核心思想是支持其创建的及后续使用的流程可以被证明或复现，这将带来如下几个方面的好处：（1）降低LLM的应用风险：用户可以更好地理解和验证LLM生成答案的数据来源和过程，减少用户应用LLM的信任风险。（2）LLM准确度和可靠性的提升：用户可采用LLM提供的信息和原始数据进行交叉验证，使LLM输出来自可跟踪的数据源而非不透明的数据，从而保证LLM生成的信息具有高准确度和高可靠性。（3）LLM的可定制性：理解LLM如何生成结果可帮助研究人员和开发者更好地改进LLM的性能。。

 报告人介绍：廖龙龙，福州大学计算机与大数据学院讲师、硕导，国防科技大学博士，香港大学博士后。研究方向为边缘智能和人工智能的高效能计算、并行与分布式计算。近五年已累计在学术期刊和会议上发表一作或通讯作者的高质量论文5篇，在审一区SCI论文1篇，申请国家发明专利1项，授权计算机软件著作权登记证书2项。主持福建省自然科学基金面上项目、福州大学研究生教育教学改革项目等。