计算机信息研究专家李彦廷受邀担任IEEE Access评审 为计算机信息行业综合发展提出重要指导

IEEE Access是一份多学科、在线、黄金完全开放访问期刊，在文章处理费（APCs）的支持下，持续展示所有IEEE感兴趣领域的原始研究或开发结果，其特点是快速的同行评审。IEEE Access是发表最好的研究论文以及对当前研究和科学政策的同行评议的期刊之一。其中IEEE Access评审专家皆为行业内的杰出顶尖专家，评审内容和评审意见具有较高的技术性和较高的质量。

我国计算机信息研究领域的顶尖杰出专家李彦廷担任IEEE Access评审专家。李彦廷高质量计算机信息研究成果数量多，能够得到同领域学者的认可，论文被引量较高，对计算机信息领域的发展起到推动作用。李彦廷在IEEE Access中对《使用 BM25和伪相关反馈对文章重新排序的多任务微调》（Multi-task Fine-tuning for PassageRe-ranking UsingBM25 and Pseudo Relevance Feedback）进行了为期6天的验证和实施，对该研究进行了全面的、专业的评审。李彦廷给予了该研究专业的肯定，并指出该研究在神经重新排序模型高效训练的微调方法中得到了较为清晰的拓扑优化结构，但迭代次数较多，效率较低。此外，在模型上训练术语重要性的概率分布中神经网络的稳定性呈稳定频率，对结果的解释性较好，支持向量机的解释性较为集中。该研究使神经排序模型能够根据初始搜索阶段的反馈形成，与其他机器学习模型相比，该模型的稳定性得到了充分的提高。该研究神经网络模型能较好地处理模糊数据、随机数据和非线性数据等数据类型，在模型结构不明确的信息系统中具有较好的处理效果。

李彦廷对《使用 BM25和伪相关反馈对文章重新排序的多任务微调》研究的指导为后面的研究学者提供了强有力的研究依据。该研究既保证了模型结构的一致性，又使训练模型获得了比已有方法更好的使用效果。在今后的研究中，伪相关反馈的术语将会对不同研究水平或不同任务的内在加工过程和神经机制的分析，可以得出一个较为普遍的理论假设。李彦廷在基于伪相关反馈的术语基础上，该研究在神经预训练语言模型作用十分显著，对促进神经预训练语言领域的发展起到了很大的作用。（文/杨艺茜）