项目编辑

研究项目簇编辑

AI 与网络编辑

AI 与网络 是当前主要项目簇。它包括 AI for Networks、Networks for AI、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 barycenter编辑

分布式 Wasserstein barycenter 是 AI 与网络项目簇中的一个技术项目。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。

机器遗忘编辑

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。

协作评估编辑

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 几何代理替代单一低资源、有偏验证器。

合成数据编辑

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。当前重点是低资源社区：当真实数据覆盖碎片化时，本地过滤更容易剪掉有效尾部模式。主论文页是 样本选择偏差何以促成模型坍缩。