[[430238]]

95后NTU博士畢業，當上了985高校博導。

半年時間還發了一篇頂會，怎么講？

卷，還是卷...

13篇頂會！25歲成985高校博導，入職半年發ICML，網友：萬點暴擊

今年1月，重慶大學計算機學院引進了最年輕的博導馮磊，年僅25歲。

這是重大學院有史以來首次直接給應屆博士畢業生正高/博導崗位。

入職半年，馮磊就在2021 ICML上發表了一篇頂會論文「Pointwise Binary Classification with Pairwise Confidence Comparisons」。

[[430239]]

重大計算機學院首次以第一單位在該會議上發表學術論文，實現了零的突破，這一話題一時引起許多網友的關注。

「零突破」論文講了什么

論文一作與通訊作者均為馮磊，合作者來自日本東京大學、日本理化學研究所先進智能研究中心、新加坡南洋理工大學、澳洲昆士蘭大學、中國香港浸會大學等著名高校或研究機構。

論文地址：https://arxiv.org/abs/2010.01875

盡管傳統的監督式學習技術已取得巨大進步，但卻需要大量精準的「標記數據」。

鑒于不同原因，收集大量精準標記數據并不容易。與此同時，樣本的點式標記將無法訪問。

因此研究者們開始考慮使用「成對的」而不是點式的標記策略。

然而，成對標記樣本收集也存在一些困難。

由于成對標記表示兩個數據點是否共享同一點式標記，若任意一個樣本的正標記或負標記的后驗概率接近相等，則不容易收集到其成對標記。

因此，馮磊與合作者們提出了一種被稱為「成對比較分類」的新型弱監督二分類問題。

其中只有成對的未標記數據被提供，而我們僅知道其中一個比另一個有更大的概率擁有正標記。

具體如何做？

首先從數學上對成對比較數據的生成過程進行建模，推導出了一種具有理論保證的無偏風險估計量，并進一步利用修正函數對其進行改進以解決在使用復雜模型時所面臨的過擬合問題。

然后，還將成對比較分類問題與噪聲標記學習問題相聯系，提出了一種漸進式的無偏風險估計量，并通過引入一致性正則化對其進行了改進。

針對該論文中所提出的算法還進一步從理論上提供了估計誤差上界，以證實其可學習性。

最后，實驗證實了所提出算法的有效性，并表明成對比較分類是除了成對標記學習外另一種有價值與實用性的成對監督問題。

95后博導是誰

個人主頁顯示，馮磊直博畢業于新加坡南洋理工大學（NTU），并曾獲得NTU計算機科學與工程學院杰出博士學位論文獎第二名。

他還是中國計算機學會（CCF）會員，中國人工智能學會（CAAI）會員，國際人工智能促進學會（AAAI）會員，美國計算機學會（ACM）會員，中國人工智能學會機器學習專委會通訊委員。

曾擔任IJCAI 2021與AAAI 2022高級程序委員會委員，ICML 2021 專家審稿人，以及其他國際頂級（CCF A類）會議（包括NeurIPS、KDD、CVPR、ICCV、AAAI）的程序委員會委員/審稿人，并受邀擔任多個國際頂級期刊（包括JMLR、IEEE-TPAMI、IEEE-TIP、IEEE-TNNLS、MLJ）審稿人。

2021年1月，重慶大學計算機學院直接將其作為弘深青年學者人才引進，并聘任為博導、教授，其主要研究方向為機器學習、數據挖掘、人工智能。

[[430240]]