華人學者、UCSB助理教授王宇翔獲得COLT 2021最佳學生論文獎

作者：琰琰

最新消息，華人學者、加州大學圣巴巴拉分校（UCSB）助理教授王宇翔發表的題為“Optimal Dynamic Regret in Exp-Concave Online Learning”的研究論文獲得了 COLT 2021 的最佳學生論文獎。

COLT 2021（Conference on Learning Theory ）是機器學習領域的主流學術會議之一。第34 屆COLT 2021將于  8 月 15 日至 19 日在科羅拉多州博爾德舉行，屆時會議將分為兩個階段采取虛擬和混合兩種模式進行。

本次會議以機器學習理論研究為主題，涉及人工神經網絡理論、深度學習、算法的設計與分析、統計和計算復雜度、優化算法以及經驗現象的理論解釋等研究方向，設置了最佳論文和最佳學生論文兩個獎項。

獲獎學者

王宇翔（Yu-Xiang Wang）是加州大學圣巴巴拉分校（UCSB）計算機科學系助理教授，機器學習聯合實驗室負責人。在加入 UCSB 之前，曾在加州帕洛阿爾托Amazon AI 實驗室擔任科學家（2017-2018年）。

他博士就讀于卡內基梅隆大學計算機科學學院（CMU），于2017年獲得機器學習和統計學雙學位，期間接受過Stephen Fienberg、Alex Smola、Ryan Tibshirani和Jing Lei等專家的聯合指導。本科和研究生在新加坡國立大學主修電氣工程專業，于2011和2013獲得學士和碩士學位。

他的研究興趣包括機器學習、統計及優化，主要側重統計理論和方法、差異隱私、大規模機器學習、強化學習和深度學習等方向，已在ICML、NeurIPS、CVPR等頂會發表了多篇相關研究論文。

具體而言，其工作重點涉及各種具有挑戰性的學習機制（如高維、異構、隱私受限、順序、并行和分布式）、數據隱私結構（廣義稀疏性、子空間的并集、圖形或網絡結構），資源平衡（模型復雜性、統計能力和隱私預算）以及各種可擴展的優化工具等。 

此外，他還對統計學和機器學習的應用感興趣，例如在清潔能源、醫療保健、住房、金融市場、網絡服務等方面的應用。他認為，相關研究的關鍵挑戰在于如何有效地利用現有數據實現智能預測（監督學習），量化不確定性（統計推斷），設計實驗（主動學習/強化），以及推斷長期決策（強化學習）等。

AI科技評論此前報道，今年4月王宇翔還入選了谷歌首屆研究學者計劃（Research Scholar Program）。與其一同入選的還有普林斯頓大學計算機系助理教授陳丹琦、杜克大學新晉助理教授陳廷鈞等16位華人學者。

個人主頁：https://sites.cs.ucsb.edu/~yuxiangw/

獲獎論文

論文地址：https://arxiv.org/pdf/2104.11824.pdf

本文主要研究了ZekEvic（2003）動態后悔最小化在具有凹形損失的在線學習中的問題。研究發現，只要允許不恰當（improper）的學習，強自適應在線學習者就會獲得的動態后悔，其中，Cn代表學習者未知的任意比較器序列的總變化量（又稱路徑長度）。即使對于已知上限為

的 1D 平方損失，實現這一速率也非常重要的。這項證明技術巧妙地利用 KKT 條件強加的原始變量和對偶變量的復雜結構，并且可能具有獨立意義。最后將這些結果應用于局部自適應非參數回歸的經典統計問題，在不需要任何統計假設或超參數調整的情況下，獲得了更強大、更靈活的算法。

講座預約丨權威專家再談AlphaFold 2：AI是否會帶來結構生物學的“大革命”？

為了更加深入、系統地討論近期AlphaFold的系列成果，8月7日（本周六 9：30），雷鋒網將舉辦主題為《權威專家再談AlphaFold2：AI是否會帶來結構生物學的“大革命》的線上圓桌論壇。

本次主題論壇由圖像計算與數字醫學國際研討會（ISICDM）主辦，雷鋒網、醫健AI掘金志協辦。

想要提問的讀者可掃描下方海報二維碼，進入專家社群，我們會將您的問題收集、匯總后，反饋給參會嘉賓，并在討論環節一一進行解答。

雷鋒網雷鋒網雷鋒網

雷峰網特約稿件，未經授權禁止轉載。詳情見轉載須知。