窦志成教授作报告中科院自动化所刘康教授带来题为《Alignment Rationale for Natural Language Inference》的学术报告，探讨深度神经网络的可解释问题。本次报告中，刘康教授从可解释定义出发，给出可解释性方法分类和相关测评指标，主要介绍其在ACL2021上针对自然语言推理任务的最新工作：面向基于注意力机制的神经网络模型，给出基于短语对齐的解释方法。最后刘康教授面向该工作对未来研究可解释性问题提出相关展望，包括基于解释结果进行模型自动改进和NLP其他类型任务的解释形式。
刘康教授作报告 北京理工大学毛先领副教授带来题为《Similarity-preserved Hashing: Diffusing from Image to Text》的报告，报告围绕了相似度保留哈希算法（Similarity-preserved Hashing）在传统的接近最近邻搜索算法（Approximate Nearest Neighbor，ANN）当中的应用，有效降低存储的空间复杂度和检索的时间复杂度。会中，毛先领老师介绍了近期的相关研究工作，包括对于层次化标签数据的有监督哈希算法，对于社交媒体嵌入的哈希算法和基于目标实体检测的哈希算法。
