招生说明

📢: 招收对机器学习、人工智能感兴趣，有较好编程基础的学生，可通过邮箱guolz@nju.edu.cn联系我，请附上带普通生活照的个人简历、成绩单。

如果你是南大本科生，想提前加入课题组从事科研工作，可通过邮件与我联系或与我约时间到办公室交流。

1. 我是谁？

我是南京大学智能科学与技术学院助理教授，博士生导师，也是周志华教授领导的机器学习与数据挖掘研究所(LAMDA)的一员。

2. 做什么？

我的主要研究方向是人工智能/机器学习中的算法、模型、应用，长远研究目标是稳健可信的人工智能，致力于做有源头创新的科学研究、有趣有用的创新应用。

目前主要关注：

• 神经符号学习(Neuro-Symbolic Learning)：数据驱动的机器学习大模型已经在广泛应用中取得了显著成效，但仍面临逻辑推理能力不足、规划能力不足、可信性不足、可解释性不足等问题， 与此同时，知识驱动的逻辑推理虽然数据利用效率低，但具有较强的可信性、可解释性、正确性保障。人工智能的发展经历了符号主义、连接主义两个热潮，实现知识驱动的逻辑推理与数据驱动的机器学习的融合，被认为是人工智能领域的圣杯问题，是下一代人工智能发展的重要方向。



上图展示了一个最简单的神经符号学习的例子，对于一个VQA任务，通过神经网络将图像输入转换为概念对齐的特征表示，对于文本输入，利用语言模型将其转换为可执行的逻辑程序， 通过逻辑推理的方式得到最终的输出。更多神经符号学习相关的知识可见我们的Github库：Awesome-Neuro-Symbolic-Learning-with-LLM。

• 开放环境机器学习(Open Environment Machine Learning)：传统机器学习技术假设模型运行在封闭静态环境中，其数据分布、类别空间、属性空间恒定不变，但现实应用常面临开放动态环境， 数据分布可能发生偏移，样本类别可能出现新增，属性空间可能面临退化，如何保障在开放动态环境中机器学习模型的稳健性，是提升人工智能模型适用范围，尤其是在高风险场景中应用的重要方向。



• 大语言模型理论、算法、应用：
  • LLM Reasoning、Planning理论与算法：以Neuro-Symbolic的方式提升LLM推理与规划能力，不做训练、微调等偏工程的工作，更关注关键科学问题的解决。
  • LLM Agent：除了大模型本身，还有许多专家模型、工具，研究工具的使用条件、功能特性，建立统一的工具表征方法，发挥大模型的规划能力，将复杂任务拆分为工具执行链，实现稳健的工具选择与调用，增强AI模型能力。

面向的创新应用场景包括：旅行助手、智慧司法、问答推理、数学证明、具身智能、搜索推荐等。

3. 为什么做？

机器学习(ML)是人工智能(AI)最核心的研究领域，今天的人工智能热潮正是以深度学习为代表的机器学习技术取得了巨大进展，为计算机视觉(CV)、自然语言处理(NLP)等应用奠定了基础。

但未来向更通用的人工智能迈进，仍有大量具有挑战性的科研问题值得去研究和解决，简单举几个例子：

• 如何实现神经网络与符号推理的融合?
• 如何提升AI模型可信性，缓解大模型幻觉、可解释性不足等问题?
• 如何提升AI模型稳健性，防止其在分布变化场景中性能退化？
• 如何利用大量专家模型、专业工具提升AI系统解决更广泛任务的能力？
• ...

实现更稳健、更可信的人工智能需要更多有潜力的大家投入到该领域的科研工作中。

这是一个热门行业，从国家、政府、到社会各界广泛关注，往大了说，人工智能正在促进人类社会的变革，往小了说，可以为你谋得一份不错的工作（就业去向： 互联网大厂算法岗、金融量化岗等，薪资丰厚）。

4. 培养方式

• 课题组充分尊重学生的研究兴趣，引导、支持学生积极探索新的领域和思路
• 老师不懂的方向怎么办？
• 一方面，我本人处于科研一线，会积极努力地去扩展新方向，相信我的学习速度比学生更快😂
• 另一方面，会积极为学生提供相关资源，例如去国内外其他课题组交流访问、去有相关任务场景的业界实习等
• 倡导高质量的科学研究，但也尊重多元化发展，例如做落地应用创造经济效益，做开源工具贡献学术社区等
• 希望课题组每一位学生毕业的时候都能觉得有收获😊
• 提供包括科研方向、科研思路、实验设计、论文写作、成果汇报等多方面的指导
• 多方位、全流程、全方面，从基础知识到独立分析解决问题的能力到成果的撰写与汇报
• 希望每个人都能得到完整的科研训练，不会把学生当工具人
• 每周组会前沿论文分享、不定期热点话题研讨
• 每周组会由同学挑选顶会顶刊论文进行讲解，大家对论文进行讨论与交流
• 相似方向的同学，定期组织论文交流会，互相分享和讨论最近阅读的文章
• 不定期组织对学术前沿热门话题进行tutorial分享，扩展视野，发现新问题
• 每周师生一对一交流（至少一次），及时响应学生遇到的障碍
• 针对具体的研究问题、研究思路、当前进展与面临的问题进行深入讨论
• 积极支持学生参加国内外学术会议、交流等
• 公费资助
• 丰富多彩的团建活动，打造积极活跃的科研氛围与和谐融洽的人际关系
• 轰趴、聚餐、KTV、棋牌桌游、户外活动等等
• 科研道路上，难免遇到各种压力和困难，课题组不会放弃每一个学生，始终与学生站在一起，克服困难，共同成长

5. 招生要求

• 就读于计算机、人工智能、统计、数学等相关专业
• 对科研有足够的热情，有好奇心和自驱力
• 具有良好的数学功底或编程能力
• 具有良好的英语阅读与写作能力
• 满足以下条件者将优先考虑：
  
  • 有过人工智能、机器学习科研/竞赛经历
  • 发表过人工智能、机器学习相关学术论文
  • 熟练掌握pytorch等机器学习框架，有较强的代码复现能力
  • 完成过LLM相关的项目实践

---