MIT博士获第三届AAAI/ACM SIGAI博士论文奖，探索模型泛化的260多页论文

AAAI 2024 奖项陆续公布，继杰出论文奖后，今天博士论文奖也公布了。

这几天，第 38 届国际 AI 顶会 AAAI 2024 在加拿大温哥华会议中心举行。本届 AAAI 会议共有 10504 篇投稿，录取 2527 篇，录取率为 24.1%。

AAAI 官方已经公布杰出论文奖（Outstanding Paper Award），其中有三篇论文获奖，其中包括西安电子科技大学团队的《Reliable Conflictive Multi-view Learning》。值得一提的是，这次获奖的论文中也有华人学者的身影。

AAAI 2024宣布了第三届、2021年AAAI/ACM SIGAI博士论文奖的获奖者和获奖论文。本次获奖者是MIT的女博士Shibani Santurkar，她的获奖论文题为《超越准确性的机器学习：模型泛化的特征视角》。

哈佛大学博士 Bryan Wilder 的获奖论文《人口健康领域的人工智能：网络融合数据和算法》使他获得了本届博士论文奖的提名。

AAAI/ACM SIGAI 博士论文奖是由 AAAI 和 ACM SIGAI 联合设立的，旨在表彰和激励人工智能领域的杰出博士研究和论文。该奖项是每年举办的，获奖者将有机会在年度的 AAAI 会议上发表演讲，展示他们的研究成果。这一奖项的设立旨在推动人工智能领域的创新发展，激励年轻研究人员在该领域取得卓越成就。

据了解，第一届奖项由 MIT 博士吴佳俊（现为斯坦福助理教授）获得，获奖论文题目为《学习看物理世界》（Learning to See the Physical World）。

第二届奖项由 CMU 博士、 OpenAI 研究科学家 Noam Brown 摘得，获奖论文题目为《大型对抗性不完美信息博弈的均衡发现》（Equilibrium Finding for Large Adversarial Imperfect-Information Games）。

                                ^{吴佳俊（左）、Noam Brown（右）。}

2021 AAAI/ACM SIGAI 博士论文奖

今年获得该奖项的论文题目为「 Machine Learning Beyond Accuracy: A Features Perspective On Model Generalization」，作者是当时在 MIT 求学的计算机科学博士 Shibani Santurkar，Santurkar 现在为斯坦福大学计算机科学博士后。

论文地址：https://dspace.mit.edu/handle/1721.1/139920

论文摘要：由于机器学习（ML）在各种基准上的突出表现，已被很多研究者应用于解决现实世界问题。然而，越来越多的证据表明模型基准性能并不能完全反映全部情况。事实证明，现有的机器学习模型非常脆弱：最突出的问题是它们对对抗性示例输入扰动的敏感性。

本文重新审视对抗性示例，将它们用作了解当前模型的窗口，该研究为为什么出现这种敏感性提供了新的视角：这是模型依赖于可预测但脆弱的输入特征的直接后果。

研究结果表明，对抗性示例实际上反映了一个更深层次的问题：当前模型在基准测试上取得成功的机制，与人类所预期的基本不一致。这引发了一个问题：我们如何构建机器学习（ML）模型，使其不仅在开发时使用的基准测试上具有泛化性，而且还能在真实世界中得到泛化？

为了回答这个问题，该研究从特征视角（features perspective）检查机器学习流程，不仅关注模型预测的标签，还关注它们使用哪些特征来进行预测。因此，在论文的第二部分，研究者开发了一套工具来更好地理解：（i）模型学习了哪些特征，（ii）为什么学习这些特征，以及（iii）如何在训练或测试时修改学到的特征。这些工具使得用户在模型开发过程中进行关键设计选择，比如如何创建数据集，以及训练和评估模型。在这些洞见的基础上，论文随后提出了对机器学习流程的具体改进，以提高模型的泛化能力。

作者介绍

个人主页：https://shibanisanturkar.com/

Shibani Santurkar 现在为斯坦福大学计算机科学专业的博士后，与 Tatsu Hashimoto、Percy Liang 和 Tengyu Ma（马腾宇） 一起进行研究。在此之前，她在麻省理工学院获得了博士学位，师从 Aleksander Madry 和 Nir Shavit 。Shibani Santurkar 在印度理工学院孟买分校获得了电气工程学士和硕士学位。此前，她还在 Google Brain 和 Vicarious 实习。

在 Google Scholar 上，她的论文引用量近万。

博士论文奖提名

本届 AAAI/ACM SIGAI 博士论文提名奖获得者为哈佛大学博士 Bryan Wilder，现为 CMU 机器学习系助理教授。研究重心为高风险社会环境中实现公平、数据驱动决策的 AI，并整合机器学习、优化和因果推理方法。

在加入 CMU 之前，他曾是哈佛大学公共卫生学院和 CMU 的施密特科学研究员项目的博士后研究员。

论文标题：AI for Population Health: Melding Data and Algorithms on Networks

论文地址：https://dash.harvard.edu/handle/1/37370083

^{参考链接：https://aaai.org/about-aaai/aaai-awards/aaai-acm-sigai-doctoral-dissertation-award/}