研究edit

本页总结乔鑫宝学术 wiki 中的主要研究方向。它不是静态兴趣列表，而是由多个相互链接的专题页编译出的研究图谱。当前重心是 AI 与网络。

研究主线edit

共同主线是 网络约束下的数据过程可靠性：当数据被选择、删除、合成、孤岛化、偏置化、隐私约束或通信约束时，如何设计学习算法。研究主要位于 AI 与网络、机器遗忘、合成数据和数据中心 ML 之间。按照 wiki 的维护方式，每个概念页保存一个稳定的局部综合，并继续连接论文、机构和相邻方法，使后续更新是在已有图谱上修订，而不是每次从零开始整理材料。

AI 与网络edit

AI 与网络 覆盖 AI 与网络通信系统的交叉：用于通信的 AI、服务 AI 的通信、去中心化学习、数据剪枝和协作评估。在当前 CUHK 博士阶段，这条主线包括Wasserstein barycenter 的分布式计算，即在不默认汇总原始数据的前提下，把多方局部分布组合成共享的分布参考。

机器遗忘edit

机器遗忘 研究删除请求后的认证数据删除和低成本更新机制。相关页面包括 无 Hessian 在线认证遗忘、超越二元擦除、DynFrs、影响函数 和 认证数据删除。

合成数据edit

合成数据 研究递归合成数据训练、数据选择、样本选择偏差、模型坍缩，以及 数据孤岛 中的协作缓解。中心论文是 样本选择偏差何以促成模型坍缩。

数据中心 ML 与可信 AIedit

数据中心 ML 覆盖数据选择、估值、过滤和评估。可信 AI 连接机器遗忘、公平性、鲁棒性、隐私、安全、可解释性和可靠性。

几何与分布式学习edit

Wasserstein 几何、分布式 Wasserstein barycenter 与 分布式学习 为协作评估、最优传输代理、去中心化数据访问，以及网络化 AI 系统中的分布参考提供工具。