2024年12月10日，广东省安全智能新技术重点实验室主办，深圳市计算机学会大模型专委会协办的SAILING讲坛第二十一期于哈尔滨工业大学（深圳）顺利召开。

广东省安全智能新技术重点实验室是由广东省科学技术厅于2022年批准成立的省级科研平台，依托哈尔滨工业大学（深圳）进行建设管理。实验室遵循“开放、流动、联合、竞争”的发展方针。以提高自主创新能力为目标，聚焦广东优势学科、支柱产业以及重大战略需求，科学规划、整体布局，推进实验室体系提质增效，着力加强基础研究和源头创新能力，着力推进科技研发和成果转化，着力培育创新型人才队伍，着力强化开放共享，使之成为支撑广东建设更高水平科技创新强省的战略科技力量。

本期论坛围绕《基础模型的黑盒解析研究》展开。本次SAILING讲坛由哈尔滨工业大学（深圳）王强助理教授主持，由特邀嘉宾吉林大学曹晓锋副教授做精彩报告。

曹晓锋教授做了题为《黑盒机器教学泛化理论》的特邀报告。机器教学作为机器学习的逆问题，是实现人工智能的强假设理论。曹教授在报告中提到传统的机器学习方法要求学习者为非受限的白盒学者，在假设空间中通过最大化假设剪枝来削减候选空间，以降低标签复杂度。然而，当该问题退化为黑盒情境时，基于PAC的典型概率近似泛化理论便无法获取安全保证，为此黑盒机器教学理论被提出。该理论通过预置黑盒教师来指引学习者削减候选假设空间，从而获得更紧致的泛化误差和复杂度界。在典型在线采样理论算法IWAL的基础上，证明了基于Black-box Teaching的原型方法能够显著降低模型无关假设的误差上界，同时快速派生新的假设，使其收敛至近似最优假设。这一理论成果为基础模型的黑盒解析提供了可行的理论框架。报告结束后，现场同学以及老师就黑盒机器教学相关问题与曹教授展开讨论，现场反响热烈。

嘉宾简介：

曹晓锋，吉林大学人工智能学院副教授，博士生导师，毕业于澳大利亚悉尼科技大学, 导师为国际知名统计机器学习学者Ivor W. Tsang 教授（IEEE Fellow）， 曾访问新加坡前沿人工智能中心（2023-2024）、香港科技大学（2023）， 合作导师为机器学习亚太领军学者James T. Kwok 教授（IEEE Fellow）。 他的主要研究方向为泛化分析理论、凸解析与非凸性近似逼近、非欧几何，以及相关深度学习应用，在机器学习领域以及泛人工智能权威期刊和会议发表30余篇学术工作，如IEEE TPAMI、TNNLS、TKDE、ICML、NeurIPS、ICLR、CVPR、ECML，其中以第一作者在IEEE trans系列发表多篇高水平研究工作，累计影响因子超过110.5，并在先进应用领域主持和参与多项基础性和技术性研究课题，经费达数百万，包括基金委青年基金、省级优秀青年基金、省面上基金、校励新优秀青年教师计划等，另入选省高层次人才计划、新一代信息技术专家、科学技术奖评审专家等。在学术领域，他长期担任人工智能和机器学习领域旗舰期刊和会议的审稿人和程序委员会委员，如Journal of Machine Learning Research (JMLR)、Machine Learning Journal (MLJ)、Journal of Artificial Intelligence Research (JAIR)、Artificial Intelligence Journal (AIJ)、IEEE Transactions on Pattern Analysis and Machine Intelligence (T-PAMI)、ICML、NeurIPS、ECML等。

（审核：王强）