麻豆

（文|辛西 编辑|信息 审核|陈洪）近日，麻豆 陈洪教授课题组在人工智能领域取得新进展，2篇研究论文同时被国际机器学习会议ICML 2026录用。ICML（International Conference on Machine Learning）是机器学习领域历史最悠久、影响力最高的学术会议之一，也是中国计算机学会推荐的A类会议。

博士生张学林为第一作者的论文《 S2MAM: Semi-supervised Meta Additive Model for Robust Estimation and Variable Selection》针对半监督学习中流形正则噪声敏感的问题，将元学习策略与稀疏可加模型嵌入流形学习框架中，借助双层优化技术等实现特征变量的自适应加权，能有效识别关键信息并减轻冗余及噪声特征的干扰。该论文在理论上刻画了所设计可加模型的泛化误差界，并通过数据实验验证了其鲁棒性和可解释性。该工作是课题组前期稳健可加模型（NeurIPS’17, ICML’20, NeurIPS’20, ICLR’22, ICML’23）研究的自然拓展。

硕士生杨永康为第一作者的论文《Towards Understanding Generalization of Federated Adversarial Learning: Perspective of Algorithmic Stability》从算法稳定性视角探究了对抗攻击强度对联邦学习泛化性的影响，融合Moreau包络优化技术等给出了对抗鲁棒泛化的理论保障，并通过实验分析了相关模型参数与泛化性的联动关系。该工作是课题组前期对抗泛化（IJCAI’23, IJCAI’24, ICLR’25, ICML’25）分析的进一步延伸。

上述论文通讯作者分别为麻豆 陈洪教授和李函副教授。