自然语言处理顶会ACL 2024录用阿里云38篇论文，通义团队披露多项大模型前沿技术
8月14日消息，计算语言学和自然语言处理领域的顶级学术会议ACL 2024年会本周在泰国举行，阿里云共有38篇高水平论文被大会录用，包括通义千问团队多篇大模型相关论文，主题涉及大模型SFT技术、LLM角色扮演能力、多模态模型测评基准等。设在曼谷大会现场的通义展台被世界各地的NLP研究人员和开发者围观，通义成了现场最受关注的中国大模型。
ACL 年会（Annual Meeting of the Association for Computational Linguistics）由国际计算语言学协会组织，是计算语言学和自然语言处理领域排名第1的顶级学术会议。ACL 2024是该协会的第62届会议，今年大会特别关注“以开放科学、开放数据、开放模型促进可复现的自然语言处理研究”这一话题。
阿里云一直以来都是ACL论文入选数量最高的科技公司之一，今年累计有38篇文章被收录，包括16篇主会论文。作为中国大模型“开源开放”力量的代表，通义大模型团队在本次大会披露了多项大模型前沿技术，并与世界各地的NLP研发人员和开发者面对面交流。
《Large Language Models are Superpositions of All Characters: Attaining Arbitrary Role-play via Self-Alignment》首次提出用于大模型角色扮演的自我对齐策略DITTO，显著提升了LLM的角色扮演能力，通义团队已将DITTO开源；《AIR-Bench: Benchmarking Large Audio-Language Models via Generative Comprehension》介绍了通义团队推出的音频语言理解模型测评基准AIR-Bench，用于评估模型的生成式指令跟随能力，填补了业界空白；《How Abilities in Large Language Models are Affected by Supervised Fine-tuning Data Composition》通过一系列实验展示了SFT数据如何影响LLM的数学、代码、人类对齐能力，可为研究者和开发者的SFT工作提供借鉴。
海外开发者基于Qwen训练了泰语大模型和东南亚语大模型
自2023年8月以来，通义千问已经开源数十款LLM、多模态和专项能力模型，Qwen系列开源模型下载量超过了2000万。
在东南亚地区，通义千问开源模型也有很多忠实用户，开源社区经常可见基于Qwen训练的泰语、越南语、东南亚语等大模型。比如，新加坡工程师刘乾基于Qwen1.5训练了广受欢迎的东南亚语大模型Sailor，覆盖0.5B、1.8B、4B、7B、14B等全套尺寸；越南语工程师Nguyen Quan开发了越南语大模型，他说：“根据我们内部的基准测评，Qwen2基础模型超越了目前市场上所有的闭源大语言模型”。
附：阿里云被ACL 2024收录的论文清单
