【CCL 2019】 许晶晶：基于对抗训练的机器学习鲁棒性分析-研究中的崎岖与思考

**报告主题： 基于对抗训练的机器学习鲁棒性分析-研究中的崎岖与思考

**报告摘要： 许晶晶 报告摘要：随着深度学习的发展，神经网络模型也在各个领域不断刷新最好效果。但是目前的神经网络对噪音的鲁棒性表现较差。因此如何改进机器学习的鲁棒性是将模型从实验室环境迁移到真实环境必须要解决的问题。本报告展示了如何通过对抗训练的方法自动生成模型无法正确分类的样本，从而达到提高模型鲁棒性的目的。除此之外，我还将以此次研究为例，介绍了我在科研工作开展期间遇到的挫折和思考。

**邀请嘉宾： 许晶晶 北京大学信息科学技术学院15级博士研究生，指导老师为孙栩老师，研究方向为自然语言处理。博士在读期间，以第一作者身份在ACL、EMNLP、NAACL等自然语言处理顶级会议和期刊发表研究论文7篇，以共同作者身份发表研究论文多篇，曾获得三好学生、三好学生标兵、佳能奖学金、微软亚洲研究院明日之星等荣誉和奖励。除了致力于解决领域研究问题，还参与了多项实际的落地项目，包括多领域分词工具pkuseg的研发、参加了JDDC全球任务导向多轮人机对话挑战赛并获得了团体自动评测冠军、手动评测第二名。