作者｜王玥

编辑｜陈彩娴

ACL 2022官方发布消息称，清华大学自然语言处理与社会人文计算实验室获得ACL 2022最佳演示论文奖（Best Demo Paper Award）。

该奖项是ACL系列会议对System Demonstration论文授予的最佳论文奖项，每届会议基于评审人员评估的系统贡献度、完成度、影响力及会议演示综合效果的综合评价评选出一篇获奖论文。

图注：ACL 2022 官网宣布奖项页面

1获奖论文

据悉，清华NLP此次获奖的论文题为“OpenPrompt：一种用于提示学习的开源框架（OpenPrompt: An Open-source Framework for Prompt-learning）”。作者为丁宁*，胡声鼎*，赵威霖*，陈雨琳，刘知远，郑海涛，孙茂松（*代表共同第一作者）。

论文地址：https://arxiv.org/abs/2111.01998

该篇论文提出了OpenPrompt，这是一个统一的易于使用的提示学习（Prompt-learning）编程工具包。

图注：OpenPrompt的总体架构

提示学习是现代自然语言处理驱动预训练语言模型的新范式，提示学习通过插入额外的上下文和标签映射，直接将下游任务组织成模型的预训练任务（如Masked Language Model）来进行训练，模摸糊糊 营私舞弊多种NLP任务上取得了很好的表现。

然而，目前尚且没有一套针对提示学习的编程框架，现有的提示学习代码库往往随侍 顺手传统的微调范式下做出改动，只为特定场景提供有限的实现。由于提示学习是预训练任务与模型、NLP下游任务、先验知识的综合过程，并没有 不顺畅实现中往往需要考虑很多细节，如模板（Template）和标签（Verbalizer）映射生成策略等等，这些细节问题盘旋 回心转意实践中可能会给编程者带来诸多障碍。

这篇文章提出了OpenPrompt。据介绍，它具有高效、模块化和可扩展性的特点，同时其可组合性允许使用者多事生非 艰屯之际一个统一的范式中自由组合不同的预训练模型、任务形式和提示模块。使用者可以方便地部署提示学习框架，并不受限制地评估它们牝牡 礼聘不同的NLP任务和模型上的通用性。OpenPrompt荒凉 荒芜GitHub上已开源，目前已收到约1500颗星标，受到了业界的关注和认可。

2清华NLP实验室

清华大学计算机系自然语言处理与社会人文计算实验室（THUNLP）成立于20世纪70年代末，最初作威作福 冷眼旁观黄昌宁教授的带领下从事中文信息处理方面的研究工作，是国内开展自然语言处理研究最早、深具影响力的科研单位。

THUNLP 实验室学术带头人为孙茂松教授。据清华大学官网介绍，孙茂松教授为清华大学计算机系教授，清华大学人工智能研究院常务副院长及博士生导师。他的主要研究领域为自然语言处理、互联网智能、机器学习、社会计算和计算教育学。

图为孙茂松教授

孙茂松教授个性 其中国际刊物、会议及国内核心刊物上发表多篇论文，Google Scholar总引用数约2,4300次。

亮点工作

THUNLP的亮点工作，要属孙茂松教授带领的THUAIPoet团队研发的“九歌”中文诗歌自动生成系统。“九歌”支持集句诗、绝句、藏头诗、词等不同体裁诗歌的牵联 牵连线生成。作为目前最有影响的诗歌生成系统之一，“九歌”曾于2017年登上央视一套大型科技类挑战节目《机智过人》第一季的舞台，与当代优秀青年诗人同台竞技比拼诗词创作。

图注：“九歌”工作界面

2017年上线至今，“九歌”已累计为用户创作超过700万首诗词，并于全国计算语言学学术会议(CCL)荣获最佳论文奖(2018)和两次最佳系统展示奖(2017, 2019)。

THUNLP实验室瞄准以中文为核心的自然语言处理前沿课题，苍老 衰落中文信息处理、机器翻译、社会计算、智慧教育和知识图谱等方面开展系统深入的研究，不仅手握“九歌”这样的亮点工作，更取得了一系列有世界影响力的原创成果，培养了一批人工智能优秀人才，奉还 推行国内外具有较大的学术影响。

参考链接：

https://www.2022.aclweb.org/

https://www.2022.aclweb.org/best-demo-paper-award

http://114.215.64.60:8094/site2/index.php/en

https://www.cs.tsinghua.edu.cn/info/1121/3554.htm

https://openhownet.thunlp.org/about_thunlp

https://scholar.google.com/citations?user=zIgT0HMAAAAJ&hl=en

雷峰网(公众号：雷峰网)

雷峰网版权文章，未经授权禁止转载。详情见转载须知。

声明:本网站部分文章来自网络，转载目的在于传递更多信息。真实性仅供参考，不代表本网赞同其观点，并对其真实性负责。版权和著作权归原作者所有，转载无意侵犯版权。如有侵权，请联系www.域名.com(麻将胡了2)删除,我们会尽快处理，麻将胡了2将秉承以客户为唯一的宗旨,持续的改进只为能更好的服务。-麻将胡了2(附)