Hópurinn minn vinnur á sex rannsóknarsviðum. Hér fyrir neðan er stutt lýsing á hverju þeirra og yfirlit yfir þau gagnasöfn og líkön sem við höfum gefið út.
Mállíkön, gagnasöfn og matsgögn fyrir íslensku, færeysku og önnur germönsk mál sem hafa lítið af stafrænum málföngum. Þar má nefna IceBERT-líkönin, FoQA, matsgagnasafn fyrir kynjabjögun, Hotter and Colder-málheildina fyrir tilfinningagreiningu og rannsóknir á fyrirmælagerð og fínstillingu fyrir vélþýðingar á tungumálum með lítið af gögnum.
Hagnýt tölvusjón í samstarfi við Hafrannsóknastofnun, rannsóknarhópa í landbúnaðarvísindum og samstarfsaðila í matvælafræði. Aldursgreining út frá kvörnum með fáum dæmum, fjölrófsgreining á hringormum í þorski, flokkun gangtegunda fimmgangshesta, greining á viðbrögðum norðlægs graslendis við þurrki og mynd- og textaeinkenni fyrir sjálfvirka vöktun á fiski.
Samstarf við Landspítala um sjálfvirka kóðun sjúkraskráa (ICD-10-kóðun útskriftarbréfa með íslenskum BERT-líkönum) og um íslensku hjartabilunarskrána. Einnig nokkrar alþjóðlegar kannanir á meðferð hjartabilunar með varðveittu útfallsbroti (HFpEF).
Starf mitt sem sérfræðingur hjá Íslenskri erfðagreiningu. Víðtækar erfðamengisrannsóknir (GWAS) á algengum sjúkdómum þar sem greiningin skarast við aðferðir úr máltækni, meðal annars grein í Nature Communications um breytileika sem tengjast líkamsþyngdarstuðli og sjúkdómsáhættu.
Rannsóknir frá doktorsárunum, sem standa enn, á því hvernig hegðun sprettur fram í líkönum af tauganetum heilabarkar: hröð Hebb-stöðlun á töf taugaboða, myndun synfire-keðja með tímaháðri taugamótamýkt (STDP) og tengslanám út frá einu dæmi með mikilli geymslugetu.
Stærðfræðilega sannaðar niðurstöður um slembiferli á netum: bootstrap percolation með hömlun, samhengisþröskuldar fyrir Achlioptas-reglur af takmarkaðri stærð og greining á keyrslutíma (1+1)-þróunarreikniritsins á línulega falda hlutmengisverkefninu.
Gagnasöfn, líkön og tól sem hópurinn hefur gefið út. Flest eru á Hugging Face eða GitHub og nánar er fjallað um þau í tengdum greinum.
Fyrsta gagnasafnið fyrir spurningasvörun á færeysku, í tveimur útgáfum: annarri þar sem svarið er tekið beint úr textanum og hinni þar sem það er samið frá grunni. Það var búið til með því að þýða og aðlaga fyrirliggjandi prófsöfn fyrir spurningasvörun, móðurmálshafar fóru yfir það, og því fylgja grunnniðurstöður fyrir fjöltyngd og færeysk mállíkön. Gefið út samhliða grein á RESOURCEFUL 2025.
Leikjavætt smáforrit til að safna gagnasöfnum fyrir spurningasvörun á mörgum sviðum með hjálp almennings. Kynnt á EACL 2023 System Demonstrations og notað til að safna RUQuAD-1, lesskilningsgagnasafni fyrir íslensku.
Íslensk málheild athugasemda af bloggsíðum, merkt með fínlegum flokkum fyrir viðhorf, tilfinningar, eitrað orðfæri, kaldhæðni, hatursorðræðu, samúð og fleira. Háskóli Íslands dreifir henni og aðferðagreinin var kynnt á NoDaLiDa / Baltic-HLT 2025.
Fjölskylda íslenskra BERT-mállíkana sem voru forþjálfuð á Íslensku vefmálheildinni (Icelandic Crawled Corpus). IceBERT-líkönin komu út með grein á LREC 2022 í samstarfi við Miðeind og hafa síðan verið grunnurinn að stórum hluta íslenskrar máltæknivinnu, bæði í hópnum okkar og annars staðar.
Íslensk aðlögun á WinoGrande-prófsafninu, sem reynir á almenna skynsemi, ætluð til að meta íslensk mállíkön í verkefnum sem krefjast þess að greina hvert fornöfn vísa og að beita þekkingu á heiminum. Gefið út af Miðeind ehf.
Prófsafn sem kannar raðbundna ákvarðanatöku mállíkana með rötunarverkefnum í völundarhúsum sem eru búin til sjálfvirkt. Forprent sem ég skrifaði einn, og prófsafnið kom út með greininni.
Málheild fyrir einingatengingu (entity linking) á íslensku, byggð ofan á MIM-GOLD-málheildinni þar sem sérnöfn eru mörkuð. Gefin út með Háskóla Íslands og kynnt á LREC 2022; aðferðagreinin birtist á vinnustofunni Dataset Creation for Lower-Resourced Languages.
Gagnasafn fyrir opna spurningasvörun á íslensku, aðlagað eftir enska prófsafninu Natural Questions. Það hefur komið út í tveimur útgáfum (v1.0 á LREC 2022 og uppfærð v1.1) og Háskóli Íslands dreifir því til að meta íslensk spurningasvörunarkerfi.
Spurningasvörunargagnasafn Háskólans í Reykjavík fyrir íslensku (Reykjavik University Question-Answering Dataset), lesskilningspróf í anda SQuAD sem var safnað með GameQA-smáforritinu. Háskóli Íslands dreifir því.