Zhijing Jin
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 – 2025
Zhijing Jin est titulaire d’une chaire en IA Canada-CIFAR à l’Institut Vecteur et professeure adjointe à l’Université de Toronto. Ses travaux de recherche portent sur les grands modèles de langage, le traitement des langues naturelles et l’inférence causale. Elle s’intéresse particulièrement à la manière dont l’inférence causale peut améliorer le quotidien en renforçant la capacité à discerner le vrai du faux dans les articles de presse, en aidant les scientifiques à tirer des conclusions appropriées à partir des données et des théories établies, et en éclairant les choix des responsables politiques en matière d’interventions visant à construire une société meilleure. Ses travaux portent également sur les simulations multiagents de grands modèles de langage afin de dégager les tendances comportementales de l’IA (p. ex., GovSim, SanctSim et MoralSim).
Prix
- Mention spéciale, Prix de la meilleure thèse Wilhelm Schickard (2025)
- Prix du meilleur article, atelier NeurIPS 2024 sur l’alignement pluraliste (2024)
- Prix du meilleur article, atelier NeurIPS 2024 sur la causalité et les modèles de langage (2024)
- Bourse postdoctorale, Future of Life Institute (2024-2025)
- Prix EECS Rising Star (2023)
Publications Pertinentes
- Jin, Z., Chen, Y., Leeb, F., Gresele, L., Kamal, O., Lyu, Z., Blin, K., Gonzalez Adauto, F., Kleiman-Weiner, M., Sachan, M., et Schölkopf, B. (2023). « CLadder: Assessing Causal Reasoning in Language Models », Thirty-seventh Conference on Neural Information Processing Systems NeurIPS.
- Jin, Z., Liu, J., Lyu, Z., Poff, S., Sachan, M., Mihalcea, R., Diab, M., et Schölkopf, B. (2024). « Can Large Language Models Infer Causation from Correlation? », International Conference on Learning Representations (ICLR).
- Jin, D., Jin, Z., Zhou, J. T., et Szolovits, P. (2020). « Is BERT Really Robust? A Strong Baseline for Natural Language Attack on Text Classification and Entailment », Proceedings of the AAAI Conference on Artificial Intelligence, vol. 34, no 5, p. 8018-8025.
- Stolfo, A., Jin, Z., Shridhar, K., Schölkopf, B., et Sachan, M. (2023). « A Causal Framework to Quantify the Robustness of Mathematical Reasoning with Language Models », Proceedings of the 61st Annual Meeting of the Association for Computational Linguistics (ACL).
- Piatti, G., Jin, Z., Kleiman-Weiner, M., Schölkopf, B., Sachan, M., et Mihalcea, R. (2024). « Cooperate or Collapse: Emergence of Sustainable Cooperation in a Society of LLM Agents », Thirty-eighth Conference on Neural Information Processing Systems (NeurIPS).