近日，重庆大学计算机学院博导冯磊入职半年帮助该院实现了顶级国际学术会议论文零的突破，引起来了网络上广泛的关注。其论文名为《Pointwise Binary Classification with Pairwise Confidence Comparisons》，冯磊是第一作者与通讯作者。在第38届国际机器学习会议（The 38th International Conference on Machine Learning）（CCFA类）上发表。该会议是机器学习领域公认的顶级国际学术会议，拥有极高的声誉。重庆大学计算机学院也首次在该会议上发表论文，实现了真正的零的突破。冯磊与其合作者在文中提出了一种“成对比较分类”的新型弱监督二分类问题，并阐述了成对比较分类在成对标记学习之外作为成对监督问题的实用性与价值。

成对比较分类问题

传统的监督式学习技术需要大量精准的标记数据，在很多场景下存在着机密性与安全性等问题导致大量标记数据收集困难。样本的点式标记将无法访问。因此研究者们开始考虑使用成对的而不是点式的标记。然而，由于成对标记表示两个数据点是否共享同一点式标记，若任意一个样本的正标记或负标记的后验概率接近相等，则不容易收集到其成对标记。

“成对比较分类”的新型弱监督二分类问题，只有成对的未标记数据被提供，而我们仅知道其中一个比另一个有更大的概率拥有正标记。冯磊及其合作者从数学上对成对比较数据的生成过程进行建模，推导出了一种具有理论保证的无偏风险估计量，并进一步利用修正函数对其进行改进以解决在使用复杂模型时所面临的过拟合问题。然后，还将成对比较分类问题与噪声标记学习问题相联系，提出了一种渐进式的无偏风险估计量，并通过引入一致性正则化对其进行了改进。最后还进一步从理论上提供了估计误差上界，以证实其可学习性，进而说明了成对比较分类是除了成对标记学习外另一种有价值与实用性的成对监督问题。

冯磊简介

男，出生于1995年4月，博士毕业（直博并提前毕业）于新加坡南洋理工大学，目前为重庆大学计算机学院弘深青年学者引进人才、博导，兼任日本理化学研究所先进智能研究中心（RIEKN Center for Advanced Intelligence Project）客座科学家（Visiting Scientist）。2021年1月，冯磊加入计算机学院工作，入职时仅25岁，这是计算机学院目前年龄最小的引进人才，也是该学院有史以来首次直接给应届博士毕业生正高/博导岗位。近三年来，已在ICML、NeurIPS、KDD、CVPR、AAAI、IJCAI等国际顶级（CCF A类）会议与中科院一区期刊上以第一作者或通讯作者发表论文十余篇。研究成果在弱监督学习领域做出了许多重要的贡献。在学术服务方面，担任IJCAI 2021高级程序委员会委员（senior program committee member），ICML 2021专家审稿人（expert reviewer），以及其他国际顶级（CCF A类）会议（包括NeurIPS、KDD、CVPR、ICCV、AAAI）的程序委员会委员/审稿人，并受邀担任多个国际知名期刊（包括JMLR、IEEE TPAMI、IEEE TIP、IEEE TNNLS、MLJ）审稿人。

而其个人主页也提到了“2022年秋季入学的博士硕士研究生招生名额已满，谢谢各位同学的热情”，并向同学们推荐了相关领域的其他导师。