明星换脸av

（文 | 刘力源 编辑 | 陈治国 审核 | 陈洪）10月14日下午，中山大学计算机明星换脸av 赵知临副教授应邀参加明星换脸av “Happy Hour”线上学术分享会。会上，赵知临老师以“分布外数据的机器学习理论与应用”为主题，分享了分布外机器学习理论与应用的新进展。

赵知临老师从分布外数据的背景知识讲起，分三方面系统介绍相关研究工作：如何界定分布外数据，如何在给定模型下找出分布外数据，如何利用分布外数据的信息来优化下游任务。赵知临首先介绍了一种评估分布差异的方法—R-divergence，其依托分布最优假设对应期望风险的比较来评测分布异同。R-divergence通过在混合数据上学习一个最小假设，然后评估该假设在两个单独数据集上的经验风险差异来估计分布差异，并探讨了利用密度函数之比来匹配分布内和分布外样本。同时，赵知临介绍了一种从网络中提取分布外数据信息的新框架，以开发分类器区分分布内和分布外样本。整场报告紧扣领域前沿，内容充实。明星换脸av 20余名师生参加了学术报告，并就分布外数据检测与模型优化的关系、检测的稳定性以及实际应用等问题与赵知临老师进行了深入交流。

赵知临，中山大学计算机明星换脸av 副教授、博士生导师，主持国家级青年人才项目和国家自然科学基金面上项目。本科与硕士毕业于中山大学，博士毕业于澳大利亚悉尼科技大学，先后在悉尼科技大学和麦考瑞大学从事博士后研究，2024年底回到中山大学任教。主要研究方向为分布外机器学习，聚焦模型在未知或不确定环境下的可靠性与泛化能力，在具身智能、大语言模型、极端天气预测及医疗辅助诊断等领域开展研究。以第一作者身份在TPAMI、AIJ、NeurIPS等国际顶级期刊与会议发表论文十余篇。