Lili Mou
La nomination
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2020
Titulaire d’une chaire en IA Canada-CIFAR et boursier de l’Amii, Lili Mou est professeur adjoint au département d’informatique de l’Université de l’Alberta.
Il s’intéresse à l’utilisation de l’apprentissage profond dans le traitement du langage naturel. Il cherche à construire un système intelligent capable de comprendre les humains et d’interagir avec eux au moyen du langage naturel, ce qui implique à la fois la compréhension et la génération de textes. Il se concentre sur les problèmes fondamentaux des méthodes d’apprentissage automatique et d’apprentissage profond appliquées au traitement du langage naturel. Dans cette optique, Lili Mou se concentre sur des problèmes fondamentaux d’apprentissage automatique, comme le raisonnement neurosymbolique, la génération de textes fondée sur la recherche discrète et la distillation multi-enseignants fondée sur l’ensemble.
Prix
- Palmarès mondial des jeunes universitaires chinois et chinoises en intelligence artificielle, Baidu inc., 2022.
- Prix du nouveau membre du corps professoral de l’AAAI, 2021
- Nomination au prix du meilleur article, Association for Computational Linguistics, 2019
- Prix de la meilleure thèse de doctorat
Publications Pertinentes
- Behzad Shayegh, Yuqiao Wen et Lili Mou (2024). « Ensemble-Based Unsupervised Discontinuous Constituency Parsing by Tree Averaging ». Publié dans Actes de la 62e réunion annuelle de l’Association de linguistique informatique (Association for Computational Linguistics).
- Yongchang Hao, Yanshuai Cao et Lili Mou (2024). « Flora: Low-Rank Adapters Are Secretly Gradient Compressors ». Publié dans Actes de la 41e conférence internationale sur l’apprentissage automatique.
- Wen, Y., Hao, Y., Cao, Y. et Mou, L. (2023). « An Equal-Size Hard EM Algorithm for Diverse Dialogue Generation ». Publié dans Actes de la Conférence internationale sur l’apprentissage par représentation.
- Liu, P., Huang, C. et Mou, L. (2022). « Learning Non-Autoregressive Models from Search for Unsupervised Sentence Summarization ». Publié dans Actes de la 60e réunion annuelle de l’Association de linguistique informatique (Association for Computational Linguistics).
- Li, J., Li, Z., Mou, L., Jiang, X., Lyu, M. R., King, I. (2020). « Unsupervised text generation by learning from search », Advances in Neural Information Processing System, 33.