第三届AAAI/ACM SIGAI博士论文奖,MIT博士260多页论文探索模型泛化-深度学习（Deep Learning）-编程文章分享

机器之心报道

编辑：杜伟、陈萍

AAAI 2024 奖项陆续公布，继杰出论文奖后，今天博士论文奖也公布了。

这几天，第 38 届国际 AI 顶会 AAAI 2024 在加拿大温哥华会议中心举行。本届 AAAI 会议共有 10504 篇投稿，录取 2527 篇，录取率为 24.1%。

此前，AAAI 官方已经公布杰出论文奖（Outstanding Paper Award），共有三篇论文入选，其中不乏华人学者的身影，比如西安电子科技大学团队论文《Reliable Conflictive Multi-view Learning》。

今日，AAAI 2024 公布了第三届、2021 年 AAAI/ACM SIGAI 博士论文奖获得者及获奖论文，她是 MIT 女博士 Shibani Santurkar，获奖论文为《超越准确性的机器学习：模型泛化的特征视角》。

此外，哈佛大学博士 Bryan Wilder 获得了本届博士论文奖提名，获奖论文为《人口健康领域的人工智能：网络融合数据和算法》。

AAAI/ACM SIGAI 博士论文奖由 AAAI 和 ACM SIGAI 共同设立，旨在发现和鼓励人工智能领域的优秀博士研究和论文。作为一个年度奖项，该博士论文奖将出现在一年一度的 AAAI 会议上，获奖者将在会议上做演讲。

据了解，第一届奖项由 MIT 博士吴佳俊（现为斯坦福助理教授）获得，获奖论文题目为《学习看物理世界》（Learning to See the Physical World）。

第二届奖项由 CMU 博士、 OpenAI 研究科学家 Noam Brown 摘得，获奖论文题目为《大型对抗性不完美信息博弈的均衡发现》（Equilibrium Finding for Large Adversarial Imperfect-Information Games）。

吴佳俊（左）、Noam Brown（右）。

2021 AAAI/ACM SIGAI 博士论文奖

今年获得该奖项的论文题目为「 Machine Learning Beyond Accuracy: A Features Perspective On Model Generalization」，作者是当时在 MIT 求学的计算机科学博士 Shibani Santurkar，Santurkar 现在为斯坦福大学计算机科学博士后。

论文地址：https://dspace.mit.edu/handle/1721.1/139920

论文摘要：由于机器学习（ML）在各种基准上的突出表现，已被很多研究者应用于解决现实世界问题。然而，越来越多的证据表明模型基准性能并不能完全反映全部情况。事实证明，现有的机器学习模型非常脆弱：最突出的问题是它们对对抗性示例输入扰动的敏感性。

本文重新审视对抗性示例，将它们用作了解当前模型的窗口，该研究为为什么出现这种敏感性提供了新的视角：这是模型依赖于可预测但脆弱的输入特征的直接后果。

研究结果表明，对抗性示例实际上反映了一个更深层次的问题：当前模型在基准测试上取得成功的机制，与人类所预期的基本不一致。这引发了一个问题：我们如何构建机器学习（ML）模型，使其不仅在开发时使用的基准测试上具有泛化性，而且还能在真实世界中得到泛化？

为了回答这个问题，该研究从特征视角（features perspective）检查机器学习流程，不仅关注小编吧

第三届AAAI/ACM SIGAI博士论文奖,MIT博士260多页论文探索模型泛化

相关推荐

请登录