Show/hide menu

Recruitment 招募新生

我們正在招募對大型語言模型 (LLM) 與 Physical AI 具備熱情的伙伴,一起研究並研發新一代的 AI 技術。

我們將從理論與實務並進,傳授一名 AI 研究者應具備的程式技術及數學分析能力,鼓勵學生從模型的根本限制出發提出新方法,或從自己的生活經驗與開放資料中發現新的需求或應用,並將想法實踐。

近期研究方向

1. 大型語言模型 (LLM)

我們關注 LLM 的推理能力、訓練與微調效率,以及模型中的社會偏見與跨語言、跨文化觀點。近期成果包括:

  • More Women, Same Stereotypes:以自由寫作故事的方式評估 LLM 的性別偏見。分析十個主流 LLM 後發現,模型在各職業中普遍讓女性角色過度出現,但職業的性別分布反而更接近人類的刻板印象,而非真實的勞動統計 (CIKM 2025)。
  • Thinking Deeper, Not Longer:讓 Transformer 反覆使用同一組權重「想得更深」,而不是像 Chain-of-Thought 一樣產生更長的推理文字。每多一步推理,記憶體用量都不會增加,而且能推廣到比訓練時更複雜的組合推理問題。
  • CeRA:指出 LoRA 微調受限於「線性天花板」,提高 rank 的效益遞減。CeRA 在 adapter 中加入推論時仍保留的非線性,在 MATH 數學推理基準上,只用 1/8 的參數量就達到甚至超越 rank-512 LoRA 的表現 (CoLM 2026)。
  • Convergence in Science, Divergence in Religion:以多語言 embedding 分析 Wikipedia 各語言版本描述同一概念時的差異,並提出校正方法,排除模型本身對不同語言對齊程度不一的偏差。結果發現科學類條目跨語言最一致,宗教類差異最大 (ICWSM 2027)。

2. Physical AI

我們希望將 AI 從文字與影像的理解,延伸到對真實物理世界的感知、推理與行動,例如結合視覺、語言與動作的多模態模型,以及讓模型理解環境並規劃行動的機器人與具身智能 (embodied AI) 應用。

過去研究所及大學專題專案說明

[聯絡方式]

有興趣加入的夥伴,請備:(1) 簡歷 (resume) (2) 成績單 (3) 其他有助於審查之文件 (e.g., 曾做過的 project),並與陳老師聯繫:hhchen1105@gmail.com。
recruit ven diagram