本周日上午 10:00 - 12:00，我们将在学堂 112【线下】给大家带来孙明杰和熊晓宇两位同学的报告。两位同学的报告分别与大模型和计算机图形学相关。在两场报告之间，同学们可以吃零食 and/or 自由交流。
报告 1 摘要
孙明杰是姚班 2015 级（计科 50）学长，本次 seminar 他将介绍近期关于大语言模型的“特异性特征”的研究。在本研究中，他揭示了大语言模型（如ChatGPT、Claude、Grok、Gemini和DeepSeek等）的独特性，这些习惯能够作为模型的“指纹”可以来区分不同的语言模型。他们设计了一个分类实验，即根据一段文本，预测它出自哪个大语言模型。实验发现，只要稍微调整现有的文本嵌入模型，就可以非常准确地识别出文本背后的模型来源。在包含五个主流大语言模型的测试中准确率达到97.1%。进一步分析表明，这些差异主要体现在模型对词汇的选择倾向上，即使文本被其他模型重写、翻译或进行摘要，这些独特特征依然清晰可辨，说明其深刻地嵌入到了语义信息中。除此之外，他们还尝试用大语言模型自身来描述它们的习惯，从而获得了直观的解释，并最后探讨了这些发现的实际意义，包括如何更有效地利用人工生成数据进行模型训练，以及如何更好地衡量模型之间的相似性。X宣传链接：https://x.com/liuzhuang1234/status/1892430119395873015
报告 2 摘要
熊晓宇是姚班2023级（计科32）的本科生，研究方向为计算机图形学。在本次Seminar中，他将分享在交叉信息院杜韬教授课题组关于通过视觉信息重建物体3D拓扑结构的研究（TopoGaussian）。传统方法往往需要侵入式传感器、使用昂贵设备，或者只能重建物体的表面信息。TopoGaussian将高斯喷射（Gaussian splatting）与一种适用于中空物体的新型粒子式可微仿真器相结合。基于该仿真器所提供的梯度，TopoGaussian提出了三种灵活的拓扑表示以进行优化。最终的管线不需要任何网络（mesh），能够在统一的点云表示上，对中空物体的内部几何进行建模、模拟和优化。这得以规避复杂的拓扑转换，并提升拓扑表示的灵活性。该工作已发表于ICLR 2025，论文链接：https://arxiv.org/abs/2503.12343，项目主页：https://topo-gaussian.github.io/TopoGaussian/
欢迎全体同学参加~
Make IIIS Great Again!
