项目edit

研究项目簇edit

AI 与网络edit

AI 与网络 是当前主要项目簇。它包括去中心化学习的数据剪枝、通信感知评估、跨孤岛可靠性，以及 Wasserstein 风格分布参考的分布式计算。

分布式 Wasserstein barycenteredit

分布式 Wasserstein barycenter 是 AI 与网络项目簇中的当前博士阶段关注点。它研究多方如何从局部经验分布计算或近似共享的分布参考，并服务于协作评估、样本打分和合成数据验证。

机器遗忘edit

机器遗忘 包括可微模型的近似认证遗忘，以及树集成的精确或高效遗忘。项目页面包括 无 Hessian 在线认证遗忘、超越二元擦除 和 DynFrs。

协作评估edit

协作评估 研究不交换原始数据的验证。它在 ICML 2026 模型坍缩工作中用于以多方 Wasserstein 几何代理替代单一有偏验证器。

合成数据edit

合成数据 追问生成数据何时能够安全替代或增强真实数据，以及递归训练何时放大偏差或侵蚀多样性。主论文页是 样本选择偏差何以促成模型坍缩。