►►►
科研主題：NUS劉教授1v1科研——
大型語言模型（Large Language Models, LLMs）在自然語言處理（Natural Language Processing, NLP）領域中扮演著越來越重要的角色。這些模型，如OpenAI的GPT-系列和Google的BERT，已經在文字生成、機器翻譯、問答系統等任務中展示了卓越的效能。然而，訓練這些大型語言模型需要大量的計算資源和時間，因此如何最佳化其訓練過程成為一個重要的研究課題。貝葉斯最佳化（Bayesian Optimization, BO）作為一種高效的全域性最佳化方法，近年來被廣泛應用於超引數最佳化中，展示了其在減少計算資源和時間上的潛力。
貝葉斯最佳化透過構建代理模型來近似目標函式，並利用獲取函式（Acquisition Function）在未知區域進行探索，以找到最優解。與傳統的網格搜尋和隨機搜尋方法相比，貝葉斯最佳化能夠更加智慧地探索超引數空間，減少無效計算，顯著提高最佳化效率。在大型語言模型的訓練過程中，超引數的選擇對模型的效能有著至關重要的影響，因此，將貝葉斯最佳化應用於此領域，有望在保持模型高效能的同時，降低計算成本。本次科研將結合當前技術前沿以及學生的相關經歷和需求，展開1v1科研指導服務。此外，學生也可以定製其他專業的科研課題。
特邀
導師
指南者留學特邀導師：劉教授
我們的優勢
我們的名校科研
其他機構科研
教授1v1指導
10-20人班課
提供更個性化的科研教學指導
學生不容易得到個人化的關注
獨立一作論文
共同一作論文
讓學生全面地參與研究專案，從而獲得更多的學術成就和獨立思考的能力
導致學生的貢獻被稀釋，不容易凸顯個人能力
教授直接指導論文
教授不指導論文
直接從資深專家那裡獲取知識和經驗，有利於論文的高質量完成
缺乏專業指導，導致論文質量不高
Research論文
Review論文
強調實際研究和資料收集，更容易在學術界認可
更側重於理論分析而非實際研究，不容易得到學術認可
100%有推薦信
不全都有推薦信
確保學生在留學申請時有強有力的推薦支持
缺乏推薦信會影響將來的留學申請
EDU郵箱推薦信
私人郵箱推薦
使用教育郵箱傳送的推薦信更具權威性
缺乏權威性，不容易被接受
教授進群隨時直接聯絡
只能在班課會議上溝通
便於即時解答疑問和及時獲取反饋
缺乏及時和個性化的反饋
華人教授漢語指導
英文授課聽不懂
使用漢語講授專業知識內容更容易消化理解
你將收穫
國際會議論文發表
適合人群
留學申請：計劃申請金工金數/金融科技/資料科學等相關專業的同學
提升背景：希望增加深度學術研究經歷，提升獨立研究能力的同學
鍛鍊技能：想要金融領域知識，包括資料分析、金融方法、論文撰寫等技能的同學
進度安排
階段1
科研專案匹配和準備期
· 週期：
1-4周
· 海外導師:
學生和導師雙向匹配
· 指南者老師:
進行前期技能、軟體等基礎能力培訓
階段2
科研專案正式週期
· 週期：
8周
· 海外導師：
每週遠端會議-科研推進-論文指導
· 指南者老師：
協助答疑和輔導
階段3
論文發表和網申
· 週期：
——
· 海外導師：
推薦信（官郵）+網推
· 指南者老師：
協助論文發表
掃描下方二維碼
諮詢報名科研專案