报告标题1 面向知识图谱的构建与推理研究进展 【pdf】
报告摘要：知识图谱的构建与推理是一个具有重要意义的研究领域，它致力于构建和推理丰富的知识图谱以更好地理解和处理知识。近年来，这一领域取得了显著的进展。本报告将重点介绍知识图谱构建与推理的几个重要的趋势，包括构建与推理的端到端化、复杂构建与推理的工具插件化、推理类型的复杂多样化、数据的多模态化以及结合大模型隐式知识和多智能体协作的知识图谱构建与推理等前沿趋势。此外，本报告也将简要概述知识图谱构建与推理在工业应用的最新进展。
专家简介：张宁豫，博士，浙江大学副教授，博士生导师。研究方向包括知识图谱、自然语言处理等，在知识图谱和自然语言处理领域已发表多篇顶级会议和期刊文章，包括ACL、EMNLP、NAACL、NeurIPS、ICLR等，Google学术引用两千余次，四篇论文入选Paper Digest高影响力论文，获浙江省科技进步二等奖，国际会议IJCKG最佳论文/提名2次，CCKS最佳论文奖1次；担任ACL、EMNLP领域主席、ARR Action Editor、IJCAI 高级程序委员、ACM Transactions on Asian and Low-Resource Language Information Processing Associate Editor及NeurIPS、ICLR、ICML等会议程序委员会委员，担任中国中文信息学会语言与知识计算专业委员会委员、青年工作委员会委员。
报告标题2：知识增强的大规模语言模型进展及展望 【pdf】
报告摘要：随着大型语言模型及通用生成式人工智能技术的发展，以ChatGPT为代表的对话式大模型引起了学术界和工业界的广泛关注，并成功在信息搜索、代码生成、智能客服、文本编辑等场景取得了较为广泛应用。虽然大模型的超大规模参数量和海量无监督预训练语料库使得大模型能够存储海量的通用领域和专业领域知识，并且具备很好的文本生成和语言组织能力，但仍然会存在编造事实、输出有误导性的语句等问题。本报告将重点介绍通过与外部知识库的结合以及大语言模型内部知识的挖局及修正，显著改善大模型编造事实、输出误导性语句的问题。同时，通过与知识库的结合，也能进一步提升大模型的复杂推理和持续学习能力。
专家简介：陈露，上海交通大学计算机科学与工程系助理研究员、硕士生导师。主要研究兴趣包括智能人机对话与问答、自然语言处理等。目前已在TACL、ACL、EMNLP、NAACL等自然语言处理方向重要国际会议和期刊上发表论文40余篇，研究成果获自然语言处理权威国际会议COLING2018领域主席推荐奖、第十七届全国人机语音通讯学术会议（NCMMSC2022）最佳论文奖、2021年CCF优秀博士学位论文奖提名。曾多次带领团队参加国内外智能人机对话与智能问答方向权威挑战赛/技术评测（DSTC、Spider、CSpider、CBLUE2.0等）并获得冠军或第一名。其部分研究成果通过与思必驰公司的产学研合作获得大规模推广应用，并获得第二十三届中国专利奖优秀奖。