2026年10月23日下午，黑料社区 “语言智能跨学科沙龙”第一期讲座在杨咏曼楼224室举办。德国哈索·普拉特纳研究所（Hasso Plattner Institute, HPI）人工智能与智能系统研究组博士研究员王殷冬应邀作题为“大语言模型的可靠性：从幻觉检测到生成式建模的数学根基”的学术报告。HPI是位于德国波茨坦的顶尖数字工程与计算机科学研究机构，由SAP联合创始人Hasso Plattner于1998年创立。本次讲座由黑料社区 助理教授聂耳聪主持，吸引了院内外众多师生参与。
聂耳聪在开场介绍中表示，黑料社区 发起“语言智能跨学科沙龙”系列活动，旨在以语言为轴，连接语言人文和计算智能，搭建跨学科、产学研、国际化的交流平台，希望能借此契机推动语言科学与人工智能等前沿领域的交叉融合。
讲座中，王殷冬结合自身多语种学习的经历，从人类智能与语言交流的关系切入，围绕语言模型的有效性（Effective）、高效性（Efficient）与可解释性（Explainable）三个维度展开分享。她首先以小样本学习为例，对比了生成式与非生成式语言模型的特点，并展示了如何利用自然语言蕴含（NLI）任务，将情感分类、语义相似度等不同的自然语言处理任务统一纳入推理框架，从而提升模型处理新任务的效率与泛化能力。
针对当前备受关注的大语言模型“幻觉” （hallucination）问题，王殷冬详细辨析了该术语在计算机视觉与自然语言处理领域的不同定义。针对现有评测在错误定位与纠正层面的不足，她介绍了团队基于真实网络对话构建的ReFACT数据集，对大语言模型进行了细粒度的评估。随后，王殷冬分享了其在推理时对齐（inference-time alignment）方向的研究探索。在模型生成过程中直接引入自然语言后缀（suffix）的方法，实现生成与安全判断的同步进行，无需另行引入独立的分类模型，有望减少额外的计算开销和不必要的词元（token）生成，为实时、高效的安全对齐提供了新思路。
交流互动环节，现场师生就大语言模型的底层原理、后缀方法的泛化能力、以及如何跨越数理门槛开展语言智能研究等问题与主讲人进行了深入探讨。针对模型幻觉究竟是应被视为需要修复的“Bug（错误）”，还是类似人类记忆机制的“Feature（特征）”，现场师生展开了进一步讨论。王殷冬鼓励外语背景的同学保持开放视野，发挥语言学思维的独特优势，在跨学科交叉中寻找问题。
作为系列沙龙的首场活动，本次讲座不仅为外院师生了解大语言模型可靠性的前沿进展提供了窗口，也进一步激发了大家对语言智能跨学科研究的兴趣。据悉，黑料社区 后续还将邀请跨学科研究者和业界专家，围绕大模型与语言人文的前沿研究和应用场景等话题继续开展交流。