陈丹琦（中文：陈丹琦；拼音：Chén Dānqí）是一位中国计算机科学家，普林斯顿大学助理教授，专攻人工智能领域的自然语言处理（NLP）。她的研究集中于文本理解及知识表示与推理，在问答系统和神经阅读理解方面做出了显著贡献。她既因在自然语言处理领域的学术工作而闻名，也因其竞赛编程背景而受到认可，包括在2008年国际信息学奥林匹克竞赛中获得金牌。
陈丹琦在斯坦福大学获得博士学位，并在清华大学获得学士学位。2019年，她加入普林斯顿大学自然语言处理研究组，与Sanjeev Arora、Christiane Fellbaum和Karthik Narasimhan共事。她此前曾是Facebook AI研究院（FAIR）的访问科学家。她的博士论文《神经阅读理解及超越》探讨了利用人工智能访问普通和结构化文档中的知识。
早年生活与教育
陈丹琦出生于中国长沙，早年展现出在计算机科学和竞赛编程方面的天赋。2008年，她在国际信息学奥林匹克竞赛中获得金牌，这一成就凸显了她的算法能力。随后，她在清华大学攻读本科，获得学士学位。之后，她前往斯坦福大学深造，在Christopher Manning 的指导下完成博士学位。在斯坦福期间，她开发了一系列算法，这些算法后来成为谷歌SyntaxNet的基础，SyntaxNet是一个用于自然语言理解的句法解析器。
研究贡献
陈丹琦的主要研究兴趣在于文本理解以及知识表示与推理。她的工作将Machine learning和Deep learning结合起来，以改进机器处理并从大型文本语料库中回答问题的能力。她被引用最多的论文之一《阅读维基百科以回答开放域问题》介绍了从维基百科中检索并对段落进行推理以回答事实性查询的方法。这项工作影响了后续在Large language model研究中，特别是在开放域问答系统方面的发展。
她的博士论文<<神经阅读理解及超越>>探讨了如何训练Neural network模型从文档中提取答案，应对普通文本和结构化格式中的挑战。这项研究通过推进Sequence-to-Sequence (Seq2Seq)学习和注意力机制的技术，为Natural language processing领域做出了贡献。
学术生涯
完成博士学位后，陈丹琦曾在Facebook人工智能研究院（FAIR）担任访问科学家，期间参与了与Transformer (architecture)架构和Generative AI相关的项目。2019年，她加入普林斯顿大学担任助理教授，成为普林斯顿自然语言处理组的一员，与该组的后续Sanjeev Arora、Christiane Fellbaum和Karthik Narasimhan共同工作。在普林斯顿，她继续研究人工智能系统如何基于知识进行推理，并将其应用于Artificial intelligence安全和可解释性。
陈丹琦还以导师指导和学术社区贡献而闻名。她是众多期刊文章和会议论文的合著者，其工作已被应用于Machine learning和Deep learning领域。她在普林斯顿的研究小组致力于开发能够理解并推理复杂文本信息的模型。
竞赛编程遗产
个人生活
陈丹琦已婚，丈夫是普林斯顿大学理论计算机科学助理教授Huacheng Yu。夫妻二人居住在新泽西州普林斯顿，均投身于学术事业。陈丹琦的工作已获得多项奖项和荣誉的认可，但这些荣誉的具体细节并未广泛公布。截至最新可用信息，她仍活跃于普林斯顿的研究和教学。
参考文献
- Chen, D., & Manning, C. (2014). A Fast and Accurate Dependency Parser using Neural Networks. Proceedings of EMNLP.
- Chen, D., Fisch, A., Weston, J., & Bordes, A. (2017). Reading Wikipedia to Answer Open-Domain Questions. Proceedings of ACL.
- Chen, D. (2018). Neural Reading Comprehension and Beyond. Ph.D. Dissertation, Stanford University.