replace link and calendar bug in session 2

MLNLP-World · Sep 5, 2023 · 92728b8 · 92728b8
1 parent 7307e44
commit 92728b8
Show file tree

Hide file tree

Showing 7 changed files with 19 additions and 19 deletions.
diff --git a/README.md b/README.md
@@ -1,6 +1,6 @@
 # MLNLP2023 Conference
 
-Welcome to MLNLP 2023 conference, please see [mlnlp2023.com](http://www.mlnlp2023.com) for more details.
+Welcome to MLNLP 2023 conference, please see [mlnlp.world/mlnlp2023](http://www.mlnlp.world/mlnlp2023) for more details.
 
 - Sept. 23 - Sept.24, 2023
 - Online conference

diff --git a/assets/data/session_1.json b/assets/data/session_1.json
@@ -6,9 +6,9 @@
 		"09:00",
 		"11:05"
 	],
-	"apple": "data:text/calendar;charset=utf8,BEGIN:VCALENDAR%0AVERSION:2.0%0ABEGIN:VTIMEZONE%0ATZID:Asia/Shanghai%0AX-LIC-LOCATION:Asia/Shanghai%0ABEGIN:STANDARD%0ATZOFFSETFROM:+0800%0ATZOFFSETTO:+0800%0ATZNAME:CST%0ADTSTART:19700101T000000%0AEND:STANDARD%0AEND:VTIMEZONE%0ABEGIN:VEVENT%0AURL:%0ADTSTART;TZID=Asia/Shanghai:20230923T090000%0ADTEND;TZID=Asia/Shanghai:20230923T110500%0ATZID:Asia/Shanghai%0ASUMMARY:%5BMLNLP%202023%5D%20Session%201:大模型构建与微调%0ADESCRIPTION:注册链接：https://event.baai.ac.cn/event/705 论坛简介：随着数据规模的急剧增加和下游任务复杂度的快速增长，大模型的构建和微调已经成为深度学习研究的关键话题。本论坛主要关注大模型构建背后的原理和方法，包括大模型对齐、大模型工具学习、大模型高效微调，与大模型时代的研究方向。本论坛邀请四位知名研究人员分享他们关于大模型的研究成果，旨在为研究人员、学者和从业者提供大模型相关成果讨论与互动的平台。%0ALOCATION:%0ABEGIN:VALARM%0ATRIGGER:-PT10M%0AACTION:DISPLAY%0ADESCRIPTION:Reminder%0AEND:VALARM%0ALOCATION:http://www.mlnlp2023.com/%0AEND:VEVENT%0AEND:VCALENDAR",
-	"google": "https://calendar.google.com/calendar/r/eventedit?dates=20230923T090000%2F20230923T110500&text=%5BMLNLP%202023%5D%20Session%201:大模型构建与微调&details=注册链接：https://event.baai.ac.cn/event/705 论坛简介：随着数据规模的急剧增加和下游任务复杂度的快速增长，大模型的构建和微调已经成为深度学习研究的关键话题。本论坛主要关注大模型构建背后的原理和方法，包括大模型对齐、大模型工具学习、大模型高效微调，与大模型时代的研究方向。本论坛邀请四位知名研究人员分享他们关于大模型的研究成果，旨在为研究人员、学者和从业者提供大模型相关成果讨论与互动的平台。&ctz=Asia%2FShanghai&location=http://www.mlnlp2023.com/",
-	"outlook": "https://outlook.live.com/owa?rru=addevent&startdt=2023-09-23T09:00:00&enddt=2023-09-23T11:05:00&subject=%5BMLNLP%202023%5D%20Session%201:大模型构建与微调&body=注册链接：https://event.baai.ac.cn/event/705  论坛简介：随着数据规模的急剧增加和下游任务复杂度的快速增长，大模型的构建和微调已经成为深度学习研究的关键话题。本论坛主要关注大模型构建背后的原理和方法，包括大模型对齐、大模型工具学习、大模型高效微调，与大模型时代的研究方向。本论坛邀请四位知名研究人员分享他们关于大模型的研究成果，旨在为研究人员、学者和从业者提供大模型相关成果讨论与互动的平台。&allday=false&path=%2Fcalendar%2Fview%2FMonth&location=http://www.mlnlp2023.com/",
+	"apple": "data:text/calendar;charset=utf8,BEGIN:VCALENDAR%0AVERSION:2.0%0ABEGIN:VTIMEZONE%0ATZID:Asia/Shanghai%0AX-LIC-LOCATION:Asia/Shanghai%0ABEGIN:STANDARD%0ATZOFFSETFROM:+0800%0ATZOFFSETTO:+0800%0ATZNAME:CST%0ADTSTART:19700101T000000%0AEND:STANDARD%0AEND:VTIMEZONE%0ABEGIN:VEVENT%0AURL:%0ADTSTART;TZID=Asia/Shanghai:20230923T090000%0ADTEND;TZID=Asia/Shanghai:20230923T110500%0ATZID:Asia/Shanghai%0ASUMMARY:%5BMLNLP%202023%5D%20Session%201:大模型构建与微调%0ADESCRIPTION:注册链接：https://event.baai.ac.cn/event/705 论坛简介：随着数据规模的急剧增加和下游任务复杂度的快速增长，大模型的构建和微调已经成为深度学习研究的关键话题。本论坛主要关注大模型构建背后的原理和方法，包括大模型对齐、大模型工具学习、大模型高效微调，与大模型时代的研究方向。本论坛邀请四位知名研究人员分享他们关于大模型的研究成果，旨在为研究人员、学者和从业者提供大模型相关成果讨论与互动的平台。%0ALOCATION:%0ABEGIN:VALARM%0ATRIGGER:-PT10M%0AACTION:DISPLAY%0ADESCRIPTION:Reminder%0AEND:VALARM%0ALOCATION:http://www.mlnlp.world/mlnlp2023/%0AEND:VEVENT%0AEND:VCALENDAR",
+	"google": "https://calendar.google.com/calendar/r/eventedit?dates=20230923T090000%2F20230923T110500&text=%5BMLNLP%202023%5D%20Session%201:大模型构建与微调&details=注册链接：https://event.baai.ac.cn/event/705 论坛简介：随着数据规模的急剧增加和下游任务复杂度的快速增长，大模型的构建和微调已经成为深度学习研究的关键话题。本论坛主要关注大模型构建背后的原理和方法，包括大模型对齐、大模型工具学习、大模型高效微调，与大模型时代的研究方向。本论坛邀请四位知名研究人员分享他们关于大模型的研究成果，旨在为研究人员、学者和从业者提供大模型相关成果讨论与互动的平台。&ctz=Asia%2FShanghai&location=http://www.mlnlp.world/mlnlp2023/",
+	"outlook": "https://outlook.live.com/owa?rru=addevent&startdt=2023-09-23T09:00:00&enddt=2023-09-23T11:05:00&subject=%5BMLNLP%202023%5D%20Session%201:大模型构建与微调&body=注册链接：https://event.baai.ac.cn/event/705  论坛简介：随着数据规模的急剧增加和下游任务复杂度的快速增长，大模型的构建和微调已经成为深度学习研究的关键话题。本论坛主要关注大模型构建背后的原理和方法，包括大模型对齐、大模型工具学习、大模型高效微调，与大模型时代的研究方向。本论坛邀请四位知名研究人员分享他们关于大模型的研究成果，旨在为研究人员、学者和从业者提供大模型相关成果讨论与互动的平台。&allday=false&path=%2Fcalendar%2Fview%2FMonth&location=http://www.mlnlp.world/mlnlp2023/",
 	"session_slido_url": "https://app.sli.do/event/fdGR7E3ZJVLA9GpWR5unFt",
 	"session_list": [
 		{

diff --git a/assets/data/session_2.json b/assets/data/session_2.json
@@ -6,9 +6,9 @@
     "13:30",
     "15:30"
   ],
-  "apple": "data:text/calendar;charset=utf8,BEGIN:VCALENDAR%0AVERSION:2.0%0ABEGIN:VTIMEZONE%0ATZID:Asia/Shanghai%0AX-LIC-LOCATION:Asia/Shanghai%0ABEGIN:STANDARD%0ATZOFFSETFROM:+0800%0ATZOFFSETTO:+0800%0ATZNAME:CST%0ADTSTART:19700101T000000%0AEND:STANDARD%0AEND:VTIMEZONE%0ABEGIN:VEVENT%0AURL:%0ADTSTART;TZID=Asia/Shanghai:20230923T130000%0ADTEND;TZID=Asia/Shanghai:20230923T153000%0ATZID:Asia/Shanghai%0ASUMMARY:%5BMLNLP%202023%5D%20Session%202:大模型与推荐系统%0ADESCRIPTION:注册链接：https://event.baai.ac.cn/event/705 论坛简介：在这个信息爆炸的时代，推荐系统作为一种个性化信息过滤的关键技术，已经在各行各业起到了不可或缺的重要作用。如今，大语言模型技术的快速发展，也带动了推荐系统的技术变革。大模型强大的自然语言理解能力、推理能力、泛化能力、和生成能力，对推荐系统生态产生了重要影响，在用户反馈收集、特征工程、知识表征、推荐系统学习范式等方向上涌现出一系列新的工作。本次大模型与推荐系统论坛邀请了四位来自工业界和学术界的优秀学者进行分享，他们分别从大模型应用现状、范式转变等角度切入，介绍大模型推荐系统领域最新的研究进展，探讨未来研究方向。%0ALOCATION:%0ABEGIN:VALARM%0ATRIGGER:-PT10M%0AACTION:DISPLAY%0ADESCRIPTION:Reminder%0AEND:VALARM%0ALOCATION:http://www.mlnlp2023.com/%0AEND:VEVENT%0AEND:VCALENDAR",
-  "google": "https://calendar.google.com/calendar/r/eventedit?dates=20230923T130000%2F20230923T153000&text=%5BMLNLP%202023%5D%20Session%202:大模型与推荐系统&details=注册链接：https://event.baai.ac.cn/event/705 论坛简介：在这个信息爆炸的时代，推荐系统作为一种个性化信息过滤的关键技术，已经在各行各业起到了不可或缺的重要作用。如今，大语言模型技术的快速发展，也带动了推荐系统的技术变革。大模型强大的自然语言理解能力、推理能力、泛化能力、和生成能力，对推荐系统生态产生了重要影响，在用户反馈收集、特征工程、知识表征、推荐系统学习范式等方向上涌现出一系列新的工作。本次大模型与推荐系统论坛邀请了四位来自工业界和学术界的优秀学者进行分享，他们分别从大模型应用现状、范式转变等角度切入，介绍大模型推荐系统领域最新的研究进展，探讨未来研究方向。&ctz=Asia%2FShanghai&location=http://www.mlnlp2023.com/",
-  "outlook": "https://outlook.live.com/owa?rru=addevent&startdt=2023-09-23T13:00:00&enddt=2023-09-23T15:30:00&subject=%5BMLNLP%202024%5D%20Session%202:大模型与推荐系统&body=注册链接：https://event.baai.ac.cn/event/705 论坛简介：在这个信息爆炸的时代，推荐系统作为一种个性化信息过滤的关键技术，已经在各行各业起到了不可或缺的重要作用。如今，大语言模型技术的快速发展，也带动了推荐系统的技术变革。大模型强大的自然语言理解能力、推理能力、泛化能力、和生成能力，对推荐系统生态产生了重要影响，在用户反馈收集、特征工程、知识表征、推荐系统学习范式等方向上涌现出一系列新的工作。本次大模型与推荐系统论坛邀请了四位来自工业界和学术界的优秀学者进行分享，他们分别从大模型应用现状、范式转变等角度切入，介绍大模型推荐系统领域最新的研究进展，探讨未来研究方向。&allday=false&path=%2Fcalendar%2Fview%2FMonth&location=http://www.mlnlp2023.com/",
+  "apple": "data:text/calendar;charset=utf8,BEGIN:VCALENDAR%0AVERSION:2.0%0ABEGIN:VTIMEZONE%0ATZID:Asia/Shanghai%0AX-LIC-LOCATION:Asia/Shanghai%0ABEGIN:STANDARD%0ATZOFFSETFROM:+0800%0ATZOFFSETTO:+0800%0ATZNAME:CST%0ADTSTART:19700101T000000%0AEND:STANDARD%0AEND:VTIMEZONE%0ABEGIN:VEVENT%0AURL:%0ADTSTART;TZID=Asia/Shanghai:20230923T130000%0ADTEND;TZID=Asia/Shanghai:20230923T153000%0ATZID:Asia/Shanghai%0ASUMMARY:%5BMLNLP%202023%5D%20Session%202:大模型与推荐系统%0ADESCRIPTION:注册链接：https://event.baai.ac.cn/event/705 论坛简介：在这个信息爆炸的时代，推荐系统作为一种个性化信息过滤的关键技术，已经在各行各业起到了不可或缺的重要作用。如今，大语言模型技术的快速发展，也带动了推荐系统的技术变革。大模型强大的自然语言理解能力、推理能力、泛化能力、和生成能力，对推荐系统生态产生了重要影响，在用户反馈收集、特征工程、知识表征、推荐系统学习范式等方向上涌现出一系列新的工作。本次大模型与推荐系统论坛邀请了四位来自工业界和学术界的优秀学者进行分享，他们分别从大模型应用现状、范式转变等角度切入，介绍大模型推荐系统领域最新的研究进展，探讨未来研究方向。%0ALOCATION:%0ABEGIN:VALARM%0ATRIGGER:-PT10M%0AACTION:DISPLAY%0ADESCRIPTION:Reminder%0AEND:VALARM%0ALOCATION:http://www.mlnlp.world/mlnlp2023/%0AEND:VEVENT%0AEND:VCALENDAR",
+  "google": "https://calendar.google.com/calendar/r/eventedit?dates=20230923T130000%2F20230923T153000&text=%5BMLNLP%202023%5D%20Session%202:大模型与推荐系统&details=注册链接：https://event.baai.ac.cn/event/705 论坛简介：在这个信息爆炸的时代，推荐系统作为一种个性化信息过滤的关键技术，已经在各行各业起到了不可或缺的重要作用。如今，大语言模型技术的快速发展，也带动了推荐系统的技术变革。大模型强大的自然语言理解能力、推理能力、泛化能力、和生成能力，对推荐系统生态产生了重要影响，在用户反馈收集、特征工程、知识表征、推荐系统学习范式等方向上涌现出一系列新的工作。本次大模型与推荐系统论坛邀请了四位来自工业界和学术界的优秀学者进行分享，他们分别从大模型应用现状、范式转变等角度切入，介绍大模型推荐系统领域最新的研究进展，探讨未来研究方向。&ctz=Asia%2FShanghai&location=http://www.mlnlp.world/mlnlp2023/",
+  "outlook": "https://outlook.live.com/owa?rru=addevent&startdt=2023-09-23T13:00:00&enddt=2023-09-23T15:30:00&subject=%5BMLNLP%202024%5D%20Session%202:大模型与推荐系统&body=注册链接：https://event.baai.ac.cn/event/705 论坛简介：在这个信息爆炸的时代，推荐系统作为一种个性化信息过滤的关键技术，已经在各行各业起到了不可或缺的重要作用。如今，大语言模型技术的快速发展，也带动了推荐系统的技术变革。大模型强大的自然语言理解能力、推理能力、泛化能力、和生成能力，对推荐系统生态产生了重要影响，在用户反馈收集、特征工程、知识表征、推荐系统学习范式等方向上涌现出一系列新的工作。本次大模型与推荐系统论坛邀请了四位来自工业界和学术界的优秀学者进行分享，他们分别从大模型应用现状、范式转变等角度切入，介绍大模型推荐系统领域最新的研究进展，探讨未来研究方向。&allday=false&path=%2Fcalendar%2Fview%2FMonth&location=http://www.mlnlp.world/mlnlp2023/",
   "session_slido_url": "https://app.sli.do/event/wHVRXRnEAKFh4RtaC52hc2",
   "session_list": [
     {