鲍小异@香港理工大学：基于视觉语言模型的古汉语理解研究

MLNLP学术Talk是由 MLNLP社区 和 中国中文信息学会青年工作委员会 联合举办的学术交流活动，旨在邀请一线青年学者分享最前沿的技术，期待最精彩的思想火花碰撞。

本期MLNLP学术Talk邀请了香港理工大学鲍小异在2025年11月15日9:00-10:00为我们带来“基于视觉语言模型的古汉语理解研究”的主题报告。详细信息如下：

1

个人介绍：

鲍小异，香港理工大学语言科学与技术学系，自然语言处理方向二年级博士生。研究方向包括信息抽取，情感分析和古汉语理解，以第一作者身份在ACL、EMNLP、IJCAI、TKDE等人工智能国际顶级会议以及期刊上发表论文多篇，并担任ACL ARR和AAAI、TNNLS、TAFFC、TASLP等相关顶级会议期刊审稿人。

生成式大模型已经在英语和现代汉语数据上展现了卓越的性能，然而在面对古代汉语数据时，由于训练数据的匮乏，生成式大模型的展现出了非常有限的理解能力。本次报告将聚焦"提升生成式大模型的古代汉语理解能力"这一主题，分别从语料扩充、视觉信息理解、文本信息理解三个方面分享两篇发表在ACL2025和EMNLP2025的相关工作。

曾景杰，大连理工大学计算机学院三年级博士生，导师为杨亮副教授。目前的研究兴趣为情感分析和大模型可解释性分析。以第一作者身份在ACL，EMNLP，MM，COlING等会议与期刊上发表论文多篇，并担任相关会议审稿人，曾获得NLPCC2025杰出论文奖。参与SemEval等多项国际语义评测并获得一等奖，在CCAC2025组织四宫格漫画评测。