其中,TPP-SD: Accelerating Transformer Point Process Sampling with Speculative Decoding一文,创新性地将推测解码技术融入基于Transformer的深度点过程采样中,通过"提出-验证"的拒绝采样思想,在维持采样质量的前提下,实现了2至5倍的采样速度提升。该研究在Poisson、Hawkes等多个合成数据集和Taobao、Amazon等真实数据集上均表现出优异性能,得到了评审专家的高度认可,认为其"为深度点过程建模提供了有价值的方法论贡献"。
另一项研究Handling Students Dropouts in an LLM-driven Interactive Online Course Using Language Models则聚焦于AI驱动线上课程的学生辍学问题。针对常规MOOC进化为AI-driven课程后的新挑战,她与团队设计了基于LLM的一体化解决策略,通过辍学原因分析、辍学预测和辍学干预三大模块,有效解决了线上课程学生半途而废的顽疾。目前该功能已在清华MAIC平台上线,在AB测试中展现出显著效果。