学术奖学金与教师研究奖项公布
某中心与弗吉尼亚理工学院今日宣布了首届学术奖学金和教师研究奖项获得者名单，这是“某中心-弗吉尼亚理工学院高效鲁棒机器学习计划”的一部分。该计划为从事人工智能和机器学习研究的博士生提供奖学金机会，并支持弗吉尼亚理工学院教师主导的研究工作。
该计划于今年3月启动，专注于高效和鲁棒的机器学习研究。弗吉尼亚理工学院工程学院院长表示：“首届奖学金和教师主导项目展示了弗吉尼亚理工学院在机器学习研究方面的广泛性，涉及领域包括联邦学习、元学习、机器学习模型泄漏和对话界面。”
研究项目与获得者
学术奖学金获得者
Qing Guo：统计学博士研究生，研究方向包括：
- 使用对比学习技术的非参数互信息估计
- 静态和序列模型的最优贝叶斯实验设计
- 基于信息论泛化理论的元学习
- 对话搜索和推荐的推理
Yi Zeng：计算机科学博士研究生，研究重点为：
- 评估AI在医疗、商业、金融和科研等关键社会任务中的潜在风险
- 开发实用有效的对策以确保AI安全部署
教师研究奖项获得者
Peng Gao与Ruoxi Jia：项目“平台无关的机器学习模型隐私泄漏监控”
- 研究黑盒机器学习模型的实时、平台无关隐私泄漏检测
- 通过识别自相似、低效用模型查询提出新的检测方法
- 设计流式系统架构实现实时监控
Ruoxi Jia与Yalin Sagduyu：项目“FEDGUARD：防御联邦学习系统后门攻击”
- 开发安全联邦学习关键技术
- 加速其在敏感应用（如数字助理系统）中的采用
Ismini Lourentzou：项目“迈向统一多模态对话具身智能体”
- 设计能主动提问以解决现实任务模糊性的具身智能体
- 提升智能体在社交互动和多任务协同中的能力
- 实现跨任务知识迁移和泛化
Walid Saad：项目“资源受限设备与系统上的绿色高效可扩展联邦学习”
- 针对物联网设备资源受限的现实挑战设计联邦学习算法
- 联合优化计算、通信和学习性能权衡
- 开发支持百万设备规模的新方法
研究意义
这些研究不仅推动算法创新，还关注机器学习在实际部署中的安全性与效率问题。通过产学研合作，加速机器学习技术在真实场景中的应用。