Bang Liu
La nomination
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
Connect
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2021
Bang Liu est titulaire d’une chaire en IA Canada-CIFAR à Mila et professeur adjoint au département d’informatique et de recherche opérationnelle (DIRO) de l’Université de Montréal.
Ses recherches portent sur le traitement du langage naturel (TLN) et l’exploration de texte, une branche fondamentale de l’intelligence artificielle consacrée à la compréhension du langage naturel. Son principal objectif est de développer des agents multimodaux animés (c.-à-d. des avatars) qui comprennent le langage fondé sur l’expérience. Bang Liu est un pionnier des techniques de représentation et d’apprentissage à l’aide de graphes pour un large éventail de tâches de TLN, comme le regroupement et la mise en correspondance de textes pour les médias d’information, la création d’ontologies pour les systèmes de recherche et de recommandation, la génération de textes pour exercer la compréhension en lecture des machines. De plus, il mène des recherches dans le domaine de l’IA au service de la science, en particulier dans le domaine de la science des matériaux. Ses recherches ont été publiées dans des revues universitaires de premier plan et été déployées dans de nombreuses applications mobiles utilisées par plus d’un milliard de personnes chaque jour dans le monde entier.
Prix
- Médaille de la Faculté des arts et des sciences pour l’excellence en recherche, Université de Montréal, 2022
- Prix George Walker pour la meilleure thèse, Université de l’Alberta, 2020
- Prix J. Gordin Kaplan pour les étudiants diplômés, Université de l’Alberta, 2019
- Alberta Innovates – Bourse d’études supérieures, Université de l’Alberta, 2017
- Bourse de recrutement de doctorat, Université de l’Alberta, 2016
Publications Pertinentes
- Shi, H., Sun, Z., Yuan, X., Côté, M-A. et Liu, B. « OPEx: A Component-Wise Analysis of LLM-Centric Agents in Embodied Instruction Following ». Publié dans ACL 2024.
- Dekun Wu, Haochen Shi, Zhiyuan Sun et Bang Liu. « Deciphering Digital Detectives: Understanding LLM Behaviors and Capabilities in Multi-Agent Mystery Games ». Publié dans Findings of ACL 2024.
- Song, Y., Miret, S., Zhang, H. et Liu, B. « HoneyBee: Progressive Instruction Finetuning of Large Language Models for Materials Science ». Publié dans Findings of EMNLP 2023.
- Liu B., Han F.X., Niu D., Kong L., Lai K., Xu Y. (2020). « Story Forest: Extracting Events and Telling Stories from Breaking News », ACM Transactions on Knowledge Discovery from Data (TKDD), 14(3):1-28.
- Liu B., Niu D., Wei H., Lin J., He Y., Lai K., Xu Y. (2019). « Matching Article Pairs with Graphical Decomposition and Convolutions », Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, p. 6284-6294.
- Liu B., Zhao M., Niu D., Lai K., He Y., Wei H., Xu Y. (2019). « Learning to generate questions by learning what not to generate », The World Wide Web Conference 2019, p. 1106-1118.