Gen Learning Center

Das Ziel des Gen Learn Centers ist es, bahnbrechende Forschung im Bereich des generativen maschinellen Lernens auf dem neuesten Stand der Technik zu betreiben und den Mitarbeitern, Studenten und Partnern der HES-SO zu helfen, diese besser zu verstehen und anzuwenden.

Neben den direkten Forschungsaktivitäten zu LLMs bietet das Gen Learn Center auch eine Anlaufstelle für Mitarbeiter und Partner der HES-SO, die daran interessiert sind, LLMs in ihrer Forschung, Lehre oder ihrem Betrieb einzuführen.

In Anbetracht der Neuheit der weithin zugänglichen LLMs befindet sich dieser Bereich in einer raschen Entwicklung, und wir suchen nach Partnern, um gemeinsam bewährte Verfahren für die Entwicklung und Nutzung von LLMs zu entwickeln.

Zögern Sie nicht, sich mit uns in Verbindung zu setzen, wenn Sie mit uns zusammenarbeiten möchten!

Unsere derzeitigen Forschungsschwerpunkte sind: 

• Grundlegende Forschung zu generativen ML-Modellen und LLMs:
  • Kompromisse zwischen Privatsphäre, Robustheit, Generalisierungsfähigkeiten und Dateneffizienz
  • Formale Methoden zur Darstellung der Eingaben und Ausgaben von generativen Modellen
  • Interaktion und Koordination von LLMs als wachstumsfähige Module von dynamischen Anwendungen
• Generatives Lernen in den Bereichen Cyber-Sicherheit, Cyber-Verteidigung und Gesundheitswesen:
  • Die Anfälligkeit von LLMs für Jailbreaking
  • Anfälligkeit von durch LLMs generiertem Code
  • Eignung von LLMs für Informationsoperationen in der Schweiz
  • Verfeinerung von LLMs für direkte Patienteninteraktion
• Bereitstellung von Experimentiermöglichkeiten für Professoren und Studenten:
  • Vor-Ort
  • Mit Modellen mit wohlverstandenen Kapazitäten und Fehlermodi.
• Validierung und Verfeinerung von LLMs für:
  • Einhaltung der gesellschaftlichen Normen
  • Übereinstimmung mit den Werten der Schweiz, der HES-SO und der Anwendungsbereiche
  • Akzeptable Verhaltensweisen
  • Spezifische Anwendungen
• QA von Modellen Dritter für:
  • Verzerrungen
  • Umgehung des Sandbox-Modus
  • Verwendete Trainingsdaten
• Verfeinerung von LLMs für spezifische Anwendungen:
  • Forschung
  • Interne Fähigkeiten
  • Lehre

Kontakt-E-Mails:

• Andrei Kucharavy 
• Dimitri Percia-David