Лаида Кушнарева

Меня зовут Лаида Кушнарева. По образованию я математик-исследователь (закончила механико-математический факультет МГУ). В данный момент мои основные научные интересы лежат в области интерпретируемости LLM: детального исследования того, как LLM обрабатывают информацию и принимают решения и чем тексты, которые они генерируют, отличаются от человеческих.

Интерес к машинному обучению в целом появился у меня ещё в 2014–2015 годах, когда я совмещала увлечение ML с работой инженером-расчётчиком, а затем - разработчиком на C++. Впоследствии я успела поработать уже как специалист по машинному обучению в трех крупных IT-компаниях: Сбербанк, Google и Huawei. В Сбербанке я занималась извлечением сущностей из юридических текстов, на PhD-стажировке в Google разрабатывала модель для улучшения GNSS-навигации в Google Maps, а в Huawei начала заниматься собственно исследованиями в области интерпретируемости LLM. Тут я задержалась дольше всего (более, чем на пять лет) и работаю до сих пор Старшим Академическим Консультантом (по факту - Research Scientist/Engineer).

Мои научные исследования - сделанные, конечно же, в соавторстве с коллегами - публиковались на таких конференциях, как NeurIPS, Interspeech, EMNLP, а также Findings of ACL; на новой конференции CoLM (Conference of Language Modelling) наша с коллегами работа получила Outstanding Paper Award. 🏆 Полный список научных статей, в работе над которыми я участвовала, можно посмотреть на Google Scholar (https://scholar.google.com/citations?user=rsTb_hYAAAAJ&hl=en). Те статьи, по которым есть доклады и дополнительные материалы, перечислены на моей странице в GitHub (https://silversolver.github.io/me/) вместе со ссылками на другие мои доклады и лекции. А в LinkedIn (https://www.linkedin.com/in/laida-kushnareva/) есть более подробная информация про мой опыт работы.

Помимо интереса к Deep Learning и тому, как работают LLM изнутри, я порой возвращаюсь и к чистой математике, хотя уже реже. Люблю заглядывать и в другие научные области - мне интересно разбираться, как все устроено в мире в целом, а не только в моей узкой профессиональной сфере. Отдельно меня занимает тема научной честности (scientific integrity), потому что мне нравится, когда наука остается наукой, а не превращается в PR или подгонку результатов под нужный вывод. Кроме того, я убеждена, что познание мира - это не только поиск новых фактов, но и умение отказываться от устаревших, ложных представлений; в том числе мне кажется важным отслеживать, какие исследования впоследствии были признаны ошибочными или намеренно искажёнными. 😠

https://habr.com/ru/users/tech_priestess/

•