高效鲁棒机器学习研究合作项目启动

学术合作项目启动

某机构与弗吉尼亚理工大学宣布2023-2024学年奖学金和教师研究奖项获得者名单。这是"高效鲁棒机器学习计划"的第二年合作，该计划于2022年3月启动，专注于高效和鲁棒的机器学习研究。

研究目标

该项目支持弗吉尼亚理工大学教师主导的研究工作，并为工程学院从事人工智能和机器学习研究的博士研究生提供奖学金申请机会。合作旨在确保机器学习系统的鲁棒性，同时在各个领域创建有影响力的人工智能应用。

获奖学者及研究方向

学术研究员

Minsu Kim

• 攻读电子与计算机工程博士学位
• 研究重点：构建绿色、可持续且鲁棒的联邦学习解决方案
• 研究涵盖联邦学习算法的完整生命周期，包括数据采集、算法与模型设计、训练及推理/再训练

Ying Shen

• 攻读计算机科学博士学位
• 研究兴趣：自然语言处理和多模态消息
• 专注于构建更类人的交互代理，更好地理解、解释和推理周围世界

教师研究奖获得者

Lifu Huang

• 项目：“基于指令调优的半参数开放域对话生成与多维评估”
• 开发创新的半参数对话框架，通过动态检索和整合知识源增强生成模型
• 利用指令调优模拟多维度机器生成响应的人工判断

Ruoxi Jia

• 项目：“精准数据采集与修剪：实现高效鲁棒机器学习”
• 开发战略性数据采集和修剪技术
• 优化数据采集策略，设计数据修剪方法，评估对计算成本、模型性能和鲁棒性的影响

Ming Jin

• 项目：“面向利益相关者对齐的交互系统安全强化学习”
• 开发基于强化学习和博弈论的利益相关者对齐框架
• 研究成果对推荐系统等应用具有重要意义

Ismini Lourentzou

• 项目：“基于扩散场景图的具身AI代理”
• 设计能够追踪环境长期变化的具身AI代理
• 研究代理如何通过从次优演示中学习多模态奖励函数来适应人类偏好和反馈

Xuan Wang

• 项目：“通过自对话实现开放域对话生成的事实核查”
• 提出使用基于语言模型的自对话进行事实核查的新方法
• 自动验证生成响应并提供支持证据，特别关注医疗和金融等关键领域

研究领域拓展

合作进入第二年，研究范围已扩展到更多机器学习领域，包括：

• 鲁棒大语言模型部署
• 大语言模型与推理能力结合
• 多模态接口开发

该合作计划通过支持前沿研究，推动机器学习技术在各个领域的创新应用，同时确保系统的可靠性和效率。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）