讲座人：宋兴浩 博士生
题目：基于因果推理的鲁棒性学习算法研究
时间：2024年9月17日9: 00-10: 00
地点：L1717

讲座内容：

  以深度学习为代表的机器学习算法在计算机视觉、自然语言处理、机器博弈等领域都取得了显著的成果。尽管如此，它们在鲁棒性方面仍然面临挑战。一个关键的挑战来源是，这些算法普遍依赖于数据的独立同分布（IID）假设。在这一假设下，算法通过学习数据集中的样本与其对应标签之间的关联关系可以达到相当的性能。然而，训练数据的偏差和实际应用中数据来源的多样性及其分布的不一致性，都可能导致算法性能的下降。针对这一问题，越来越多的研究开始关注如何从因果推理的角度来优化深度学习算法，即探索数据样本与标签之间的因果关系，而非仅仅是关联关系。本报告首先介绍因果推理的基本概念及其在深度学习中的应用。随后，针对领域泛化问题，本报告结合多模态模型提出了一种基于因果推理的特征蒸馏策略，提高算法在未知域数据上的鲁棒性。