CS Frontier Tutorial 是图灵班新开设的系列科研活动，每次邀请老师或学长学姐，概述一个计算机科学中前沿的科研领域和话题，分享在这个领域的见解和收获。不同于某一门专业课第一堂课的 Introduction 或是聚焦某个特定成果的学术报告，我们希望 CS Frontier Tutorial 能帮助同学们了解和深入一个具体的前沿领域。

1

对于低年级同学

希望能够帮助大家了解各个方向和领域，找到自己的兴趣和热情所在，并且提供一些与导师交流的机会；

2

对于高年级和研究生同学

可以通过活动开阔眼界，学习到不同领域的方法论，促进交叉领域科研；

3

对于兴趣导向同学

希望提供一个系统学习和高效讨论的好机会。

第二期教程我们邀请到了北京大学前沿交叉学科研究院国际机器学习研究中心的李柄辉学长与大家分享“理解深度学习中的对抗样本现象”这一话题。本次活动会提供 pizza 和小食，欢迎所有感兴趣的同学填写问卷报名参加！

第二期

时  间

11月29日（星期五） 6:00pm（含晚餐时间）

地  点

静园五院204

报告人

李柄辉 博士二年级研究生

主持人

方嘉聪

听众报名

↑↑扫码报名↑↑

注：报名信息不可作为入校凭证，校外师生请自行解决入校事宜。

报告信息

分享主题

理解深度学习中的对抗样本现象：从模型表达能力到特征学习理论

内容摘要

近年来，以深度学习为代表的机器学习技术已经在计算机视觉、自然语言处理、语音识别、游戏等多个应用领域取得非凡的成功。然而，深度神经网络依然面临着安全性和可靠性等方面的挑战。一个众所周知的问题是：深度学习模型无法承受对抗样本的攻击。具体来说，攻击者可以给原始数据图片施加一个精心设计的、肉眼难以察觉的扰动，使得该神经网络将修改后的图片分类错误。这个弱点使得神经网络难以被应用到注重安全的领域，例如自动驾驶。在本次报告中，我们将从神经网络的表达能力以及特征学习理论这两个理论视角出发，为深度学习中的对抗样本现象给出理论解释。

报告人简介

李柄辉，北京大学前沿交叉学科研究院国际机器学习研究中心2023级博士生，本科毕业于北京大学2019级图灵班，曾荣获北京大学校长奖学金、北京大学校级三好学生以及北京大学“未名学士”荣誉称号等奖励荣誉。其主要研究兴趣为深度学习理论（特别在对抗鲁棒性问题、特征学习理论以及大模型的缩放定律等方向）与机器学习在数学中的应用（特别是利用机器学习算法求解高维组合数学问题）。

关于我们

我们是北京大学图灵班本科生，作为活动的组织者，我们深感这类有一定深度和广度的 Tutorial 的帮助之大。对我们来说，这类活动对于学术的价值观以及学术眼界的培养很有帮助，并且是一个广泛学习的机会，不会过早地限制自己并且偏安一个领域的学习和研究。有意愿来分享科研话题的老师或者同学，或者有任何疑问和建议，欢迎联系我们：

cs_research_tc@163.com。

北京大学图灵班科研活动委员会

—   版权声明  —

本微信公众号所有内容，由北京大学前沿计算研究中心微信自身创作、收集的文字、图片和音视频资料，版权属北京大学前沿计算研究中心微信所有；从公开渠道收集、整理及授权转载的文字、图片和音视频资料，版权属原作者。本公众号内容原作者如不愿意在本号刊登内容，请及时通知本号，予以删除。