24小时热门版块排行榜

返回列表

【有奖交流】积极回复本帖子，参与交流，就有机会分得作者 sdfsdff666 的 74 个金币，回帖就立即获得 2 个金币，每人有 1 次机会

当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖

sdfsdff666

新虫 (小有名气)

应助: 0 (幼儿园)
金币: 147.2
帖子: 119
在线: 2.1小时
虫号: 35703911

[交流] 伦敦玛丽女王大学多模态人工智能方向招收全奖CSC博士生

导师介绍：

1. 刘子泉博士(https://sites.google.com/view/ziquanliu)现为伦敦玛丽女王大学电子工程与计算机科学学院的助理教授。他于2023年在香港城市大学计算机科学系获博士学位。之后在伦敦大学学院信息、推理和机器学习实验室担任机器学习博士后研究员。刘老师于2024年加入伦敦玛丽女王大学，隶属于多模态人工智能中心和计算机视觉组，主要研究方向是可信机器学习、基础模型的不确定性和可解释机器学习。刘老师曾在icml、neurips、 iclr、cvpr、eccv、tpami等机器学习与计算机视觉领域知名会议和期刊上发表学术论文多篇，并且长期担任以上机器学习领域重要会议和期刊的审稿人。

2. shaogang gong教授(https://www.eecs.qmul.ac.uk/~sgg/)现任伦敦玛丽女王大学视觉计算教授，他是英国皇家工程院院士 (freng)、aaia 院士、iet院士、英国计算机学会院士、英国计算研究委员会成员、英国艾伦图灵研究所的图灵研究员，并在英国政府首席科学顾问的科学评论指导小组中任职。gong教授现在主要的研究兴趣为多模态学习，不平衡数据和不确定性估计。他在领域迁移学习和re-id领域做出过突出贡献，担任eccv2024工业界联络主席，ijcv编委会成员等。

项目简介：

基础模型，包括大语言模型（llm）和多模态模型（lmm），由于其强大的能力一直是机器学习的重点研究课题。然而，基础模型的大规模部署尚未实现，特别是在医疗保健等安全关键领域，因为它们的风险难以衡量，因为输出是开放式的，可能是长形式的，这意味着传统的模型风险量化不适用。该项目将研究量化基础模型的不确定性或风险的挑战，包括整体模型和模块化模型，特别是在开放式生成场景中。在确定关键挑战后，我们将提出严格的不确定性量化方法，可用于衡量基础模型各代的质量，包括事实性和信息密度。不确定性校准将通过量化的不确定性作为微调过程来完成。我们将在医学成像理解和临床文本摘要等多个应用领域评估校准后的基础模型。此项目由qmul-csc合作渠道提供四年全奖资助。

请感兴趣的同学发送简历和成绩单到ziquan.liu@qmul.ac.uk和s.gong@qmul.ac.uk

发自小木虫IOS客户端

回复此楼