Teddy Ferdinan
Doktorant
Teddy Ferdinan jest doktorantem w Katedrze Sztucznej Inteligencji na Politechnice Wrocławskiej. W 2019 roku ukończył studia inżynierskie na kierunku informatyka na uczelni Universitas Katolik Musi Charitas w Indonezji. Następnie, w 2020 roku, otrzymał stypendium NAWA im. Ignacego Łukasiewicza. W 2023 roku ukończył studia magisterskie w dziedzinie informatyki stosowanej na Politechnice Wrocławskiej, zajmując drugie miejsce w wydziałowym konkursie TOP-10 na najlepszych absolwentów roku. Studia doktoranckie rozpoczął w październiku 2023 roku, podczas których otrzymał również stypendium NCN w ramach projektu „Spersonalizowane wnioskowanie w przetwarzaniu języka naturalnego”.
Obecnie jego badania skupiają się na dużych modelach językowych oraz przetwarzaniu języka naturalnego, w szczególności na metodach uczenia ciągłego i transferu wiedzy, jak również na badaniu granic wiedzy modeli. Publikował swoje prace w renomowanych czasopismach i na konferencjach, takich jak Information Fusion, IEEE Intelligent Systems, ACL oraz EMNLP, z których część była owocem współpracy międzynarodowej. Ostatnio brał udział w projektach badawczych CLARIN-PL, PLLuM oraz jego kontynuacji HIVE AI.
Publikacje14
What properties of reasoning supervision are associated with improved downstream model quality?
M Langner, D Pihulski, JK Eliasz, M Rajkowski, P Kazienko, M Piasecki, J Kocoń, T Ferdinan
ICCS 2026 276–292
Breaking the illusion of reasoning in Polish LLMs: quality over quantity of thought
D Pihulski, M Langner, J Eliasz, P Kazienko, J Kocoń, T Ferdinan, …
EACL 2026 1796–1811
Architectural concepts for integrating fundamental drives and emotions into artificial intelligence
T Ferdinan, WM Mieleszczenko-Kowszewicz, J Kocoń, P Kazienko
IEEE 2025
Java source code vulnerability detection using large language model
DR Anbiya, T Ferdinan, G Kołaczek
29th International Conference on Knowledge Based and Intelligent information and Engineering Systems (KES 2025) 2828–2837
AggTruth: contextual hallucination detection using aggregated attention scores in LLMs
PJ Matys, JK Eliasz, KM Kiełczyński, M Langner, T Ferdinan, J Kocoń, P Kazienko
ICCS 2025 227–243
Fortifying NLP models against poisoning attacks: The power of personalized prediction architectures
Information Fusion 114, 1–19 · Cytowane przez 5
Into the unknown: Self-learning Large Language Models
T Ferdinan, J Kocoń, P Kazienko
24th IEEE International Conference on Data Mining Workshops, ICDMW 2024, 9 December 2024, Abu Dhabi, United Arab Emirates 423–432 · Cytowane przez 6
Eagle and Finch: RWKV with matrix-valued states and dynamic recurrence
B Peng, D Goldstein, Q Anthony, A Albalak, E Alcaide, S Biderman, …, T Ferdinan, …, P Kazienko, …, J Kocoń, B Koptyra, …, S Woźniak, …
Materiały konferencyjne · Cytowane przez 10
Self-training large language models through knowledge detection
T Ferdinan, P Kazienko, WJ Yeo, R Satapathy, E Cambria
EMNLP 2024 15033–150451
Incidence of heart disease and stroke among patients with bipolar disorder
DM Krzyżanowski, T Ferdinan, R Szczepanowski, J Kulińska, M Palej-Cieplińska, GH Ibarburu
2024 23, 86–86
StudEmo: A Non-aggregated Review Dataset for Personalized Emotion Recognition
A Ngo, A Candri, T Ferdinan, J Kocoń, W Korczyński
LREC 2022 46–55