近日，“科技创新，星火燎原”清华大学学生创新人才培养计划第十四期录取学员名单正式出炉，我组多名本科生入选。

臧原，清华大学计算机系2018级本科生，导师为刘知远副教授。主要研究方向为义原计算、文本对抗。曾以第一作者身份在ACL 2020发表一篇长文。

文本领域对抗性攻击与防御

对抗攻击指通过设计对抗样本使机器学习模型判断出错，以揭示模型的弱点。对抗防御指提高模型面对对抗攻击时的鲁棒性。研究表明，基于深度学习的自然语言处理模型易受到对抗攻击的影响。本项目旨在利用义原知识和强化学习等优化算法设计高效的文本对抗攻击方法。同时，本项目希望通过研究对抗攻击，解释深度学习模型的脆弱性，进而构建更鲁棒的、泛化能力更强的自然语言处理模型。

肖光烜，清华大学计算机系2018级本科生，导师为刘知远副教授。主要研究方向为图嵌入、预训练语言模型。曾获清华大学一二·九奖学金，清华大学优秀共青团员等荣誉。

基于深度学习的甲骨文识别与检测研究

在甲骨文的研究领域中，由于甲骨文多变的形态以及资料的稀缺等原因，深度学习方法的应用是相当困难的。我们首先从一本甲骨文词典中扫描出甲骨文并将它们组织成一个有序数据集。随后使用近期计算机视觉领域的预训练模型，例如ResNet， DenseNet等，我们最终在识别任务中取得了较高的top-1、top-5识别准确率。同时，我们采用Libra R-CNN算法，利用数据增强技术仅通过甲骨文单字图像在原始甲骨扫描图像做到了自动标注，为考古和语言研究者自动标注甲骨图像提供方便。最后，我们使用生成对抗网络（GAN）及其变种如WGAN、CGAN生成不存在的甲骨文，在数据扩充、残缺字补全、现代汉字风格迁移方向均可应用。这些结果表明了深度学习方法在甲骨文研究领域的有效性。

白雨石，清华大学交叉信息研究院2018级本科生，导师为刘知远副教授。主要研究方向为图神经网络和知识图谱。目前在stanford SNAP实验室做图神经网络相关暑期研究。

基于GNN的概念图谱建模

知识图谱嵌入学习一直都是知识表示学习的重点，然而现有工作少考虑到实体对应概念而仅基于实例知识，使得模型缺少泛化和类比能力，无法学到本体(ontology)的知识与逻辑。针对以上现存问题，我们提出基于GNN（图神经网络）的模型解决概念间结构信息，能够建模实体在不同语境下的含义；对于同时含有同级关系（同级概念间）和层级关系（下位概念与上位概念间）的异质知识图谱，我们提出基于保证传递性的几何结构的模型同时建模异质的关系网络。

“星火计划”简介“科技创新，星火燎原”清华大学学生创新人才培养计划（以下简称“星火班”）开始于2007年，由清华大学学生处、教务处、校团委共同发起推动，旨在通过整合校内外各项相关资源，培养中国新一代拔尖创新人才。

星火班计划每年在本科生中考察、培养并选拔50名左右学员，通过整合学校的资源支持优势和院系的专业指导优势，以科研项目及学术实践为主要环节，以高水平培训和全方位交流为重要补充，对在学术研究方面有较大兴趣、志愿、素养和潜力的学生进行为期两年的全过程资源匹配与重点培养，鼓励学生坚定学术理想、潜心投入学术研究事业。

清华大学团委负责“星火班”选拔、日常管理与培养环节的开展。在校团委科技创新中心设立了专门统一协调、组织“星火班”事务的“星火组”，并且为每期学员选拔两至三位在科技创新方面有项目经验的往期星火班学员作为辅导员，每期学员也通过内部选举产生理事会进行自我管理。辅导员的精心指导和学生们的自我管理为“星火班”成员们的成长提供了可靠的保障。

“星火班”的特色是：选拔与培养相结合；资源匹配到位，国内国际交流机会众多；专业化的管理体系；内部的组织建设与交流。自2007年成立以来，“科技创新，星火燎原”清华大学学生创新人才培养计划（简称“星火班”）硕果累累，已培养十三期共计658名学员，在学生科技学术活动中发挥重要作用。