武汉大学刘威威团队3篇论文被机器学习会议NeurIPS 2022录用

摘要：

近日,计算机学院刘威威教授团队3篇论文被机器学习会议NeurIPS 2022录用,武汉大学计算机学院为该3篇论文唯一署名单位,刘威威教授为该3篇论文唯一通讯作者,2020级博士生马新松,2020级博士生李喜园,2020级硕士生许景源为3篇论文第一作者.
第一篇论文题目为"On the Tradeoff Between Robustness and Fairness",作者为Xinsong Ma, Zekai Wang, Weiwei Liu,指导教师为刘威威.在平衡数据集上经过自然训练的模型对于不同类的预测能力通常比较接近.但对抗训练后的模型却在一些类上表现较好,而在另外一些类上表现较差,即模型在不同类上的标准准确率和鲁棒准确率具有明显差异(Disparity).该论文深入研究了这一问题,并发现更强的对抗训练能够有效提高模型在不同类上的平均鲁棒准确率,但在不同类上鲁棒准确率的差异也会随之明显增大,即模型的鲁棒性与公平性之间存在权衡(Tradeoff).而导致这一现象的原因是对抗训练具有一种潜在的偏好:对抗训练更加专注于学习鲁棒类的分布而忽视了易受攻击的类.此外,论文也从理论上证明了对抗训练相对于自然训练更容易导致公平性问题.为了解决这一问题,该研究提出了一种新的训练方法FAT(Fairly Adversarial Training),并通过大量的实验验证了FAT的有效性.

机标关键词：机器学习、武汉大学、neurips

分类号：TP181;TP391.41;G647

在线出版日期：2022-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共1页

页码：139