演讲人： 王奕森 北京大学
时间： 2024-06-04 10:00-2024-06-04 11:30
地点：FIT 1-222
内容：

表示学习近年来在多个领域取得了巨大的成功，比如自监督学习无需数据标注即能获得很好的数据表示，成为近期一些列重要工作（CLIP，ChatGPT）中的核心技术之一。本报告将探讨自监督学习中的对比学习（Contrastive Learning）、掩码学习（Mask Image Modeling）、自回归学习（Autoregressive Learning）等背后的工作机理，从理论视角分析其优化过程和下游泛化能力，期望为自监督学习的算法设计提供一些新的见解。

个人简介:

王奕森，北京大学助理教授，博士生导师。主要研究方向为机器学习理论和算法，目前重点关注大模型的理论、安全等。已发表机器学习三大顶会ICML/NeurIPS/ICLR文章50余篇，多篇被选为Oral或Spotlight，获ECML 2021最佳机器学习论文奖、ICML 2021 Workshop最佳论文银奖、CVPR 2021竞赛第一等，研究成果被麻省理工科技评论（MIT Technology Review）和中国中央广播电视总台（CCTV）专题报道。主持基金委“下一代人工智能”重大研究计划项目、科技创新2030“新一代人工智能”重大项目课题。