2021年11月12日，应beat365手机版官方网站邀请，复旦大学教授、博士生导师张奇在线为公司师生作了题为“自然语言处理算法鲁棒性”的学术报告，报告会由beat365手机版官方网站副经理张志昌教授主持，300多名校内外师生在线参加了报告会。

张奇教授在报告中提到，深度神经网络在几乎全部自然语言处理任务中都取得了非常好的效果，在包括阅读理解在内的很多任务的标准评测集合上达到了超越人类的准确性。然而，在实际应用中发现，很多模型的效果并不尽如人意，所获得精度甚至远远低于传统机器学习方法。最近的很多研究也表明，深度神经网络模型在仅仅添加了很小的扰动的样本上，其预测效果也很可能出现大幅度下降。因此，模型鲁棒性的研究受到越来越多的关注。在本次报告中，张奇教授针对自然语言处理模型的鲁棒性、可解释性以及如何评估模型的鲁棒性三个方面进行了讲解。

张奇教授首先提出，针对自然语言算法鲁棒性，主要考虑三个问题：为什么基于基准测试集合和常用评价指标的模式不能反映上述问题；深度学习网络模型到底学到了什么；现阶段自然语言处理算法鲁棒性究竟怎么样。然后，围绕这三个问题详细介绍了所做的研究工作，并以实体与实体关系识别、情感倾向性分析等问题为例，展示了如果提高模型鲁棒性的途径和方法。

最后，张奇教授介绍了课题组所开发的面向自然语言处理的多语言鲁棒性评测工具TextFlint，并对在深度学习模型黑盒下任务特性驱动模型设计的研究工作提出了展望。

报告会后，张奇教授与在线师生就有关问题进行了互动交流。