人大附高中生中NeurIPS顶会真卷到中学了

　　实验结果显示★★，在验证集和测试集上★，该模型的BLEU得分分别达到了62★.4和62.3★★★，显著提高了盲文翻译的准确度★。

　　NeurIPS是今年刚设的★★“高中生赛道★★”，主要征集“机器学习的社会影响”方向的论文★★★。

　　据张铭教授介绍，吴悠在2022年高一加入她的课题组时★，就提出了这个项目的想法。

　　公告中还规定了，作者需要提交高中在读证明，所有补充材料均应完全由作者完成★★★，包括视频、Demo★、海报、网站或源代码★★★。

　　论文致谢中提到，吴悠主要是在张铭教授博士生、论文第二作者袁野的指导下完成了这项研究。

　　而后，为了模拟真实世界中盲文使用者省略声调的情况，作者识别出这些盲文中代表声调的部分，并随机去除了其中90%的声调，创建Chinese-Braille-10per-Tone以反映现实世界中中文盲文的使用情况。

　　*阶段★★：使用Chinese-Braille-Full-Tone数据集作为训练的简单部分，让模型学习基本的翻译规则★★★。这个数据集中的盲文包含完整的声调信息★。

　　今年★★，NeurIPS率先把AI顶会卷到了高中里，正式面向高中生征集论文★★，还为此专门设置了高中生赛道（High School Projects Track）★。

　　同音字混淆：中文中存在大量同音字，并且由于声调符号经常被省略★★★，同音字的区分变得更加困难。

　　张铭★★，北京大学计算机学院教授，博士生导师，研究领域包括文本挖掘★★★、知识图谱、图神经网络和计算机教育研究等★。她合作发表的科研学术论文曾获ICML 2014*论文、ICDM 2022*论文提名等荣誉★★。Google Scholar显示★★★，她的论文引用量接近2万，h指数为48。

　　详细来说，就是允许高中生们找外部导师来合作完成项目★，但必须把导师以及合作者的贡献，和高中生作者的贡献区分开来。

　　提交项目必须说明完全由高中生作者独立完成的工作★★★。希望每个提交的项目都能突出显示积极的社会影响★，或者使用机器学习产生积极社会影响的潜力。

　　人大附中吴悠，有一篇一作论文入选该赛道，还被选为了Spotlight Project。

　　第二阶段：使用Chinese-Braille-No-Tone数据集，让模型在没有声调信息的情况下，学会根据上下文猜测正确的中文字符★。

　　该项目是在吴悠高三时完成。张铭教授透露，他目前已进入康奈尔大学就读计算机和生物医药工程专业。

　　接着★★，采用课程学习策略——即从简单到复杂地安排训练任务，分三个阶段微调了多语言Transformer模型mT5★★：

　　（正确答案★★★：不过★★，对于自己外向的性格★★，埃托奥说，“这就是真实的我，我不会为此改变。）

　　盲文数据的特殊性：盲文通过最多三个单元格来表示每个汉字的发音★，即声母★★★、韵母和音调。但在实际使用中，盲文使用者通常会省略大部分声调符号，这给盲文翻译带来了挑战★★。

　　训练方法方面，作者使用RetinaNet来执行盲文OCR任务，将盲文图像转换为数字盲文字符。

　　论文作者已经放出了项目Demo，效果是酱婶的★★★，感兴趣的小伙伴们可以戳文末链接自行测试★★：

　　具体来说★，该项目基于谷歌的mT5模型，采用Curriculum Learning（课程学习）方法微调出了一个盲文翻译模型。

　　作者从莱比锡数据集中收集了100万个不同的中文句子，使用中文盲文在线平台提供的工具★★，将收集到的中文句子转换为“全音”盲文★。

　　缺少数据集★★：中文盲文翻译数据集非常稀缺，数据的采集也比较困难★★★，需要耗费大量人力。