张含望团队:跨领域视角下的无偏因果推理 | 周日直播·因果科学读书会
导语
背景
背景
在实际应用场景中,真实数据集广泛存在着数据偏见或分布不均的问题。在不加人为干预的情况下,真实训练数据往往呈现长尾分布。在此情形下,基于传统统计方法的模型会倾向于学习数据偏见,过度关注头部数据,从而导致有偏见的推断。近期研究工作提出了一系列去偏推理与学习的方法,使模型更加重视“少数派”样本。然而,这些方法引入了另一种相反的偏见,即过于关注“少数派”样本,牺牲了“多数派”样本的性能,因此仍未实现真正的无偏学习与推理。如何更合理地克服数据偏见,使“少数派”与“多数派”同时受益,使模型性能独立于测试场景,仍然是开放的研究问题。
内容简介
内容简介
本次报告将介绍我们对无偏学习与推理问题的最新探索。我们最新提出了一种无偏因果推理框架:跨领域经验风险最小化。该框架将不同的数据分布视作不同的领域,借助因果推理中的干预思想,均衡地利用不同领域中的归纳偏置,避免模型过分依赖某一种归纳偏置。该框架能够同时提升模型在不同数据分布场景下的决策能力,实现“少数派”与“多数派”的两全其美。该框架在视觉问答、阅读理解、长尾分类等不同任务中均展现了鲁棒的无偏推理能力。
主讲人
主讲人
牛玉磊,新加坡南洋理工大学博士后,本科及博士毕业于中国人民大学。主要研究领域为计算机视觉、多模态交互、因果推断等。曾获2021年CCF优秀博士学位论文奖,ICLR 2021、ICCV2021杰出审稿人,Visual Dialog Challenge 2019冠军,入选CVPR 2020 Doctoral Consortium。
直播信息
直播信息
时间:
2022年1月9日上午9: 00-11: 00
参与方式:
-
文末扫码参加读书会第三季,加入群聊,获取系列读书会回看权限,成为因果社区种子用户,与900余位社区的科研工作者沟通交流,共同推动因果科学的发展。 -
集智俱乐部 B 站免费直播,扫码可预约。
扫码预约
因果科学读书会第三季启动
因果科学读书会第三季启动
读书会大纲一览:
Donald Rubin:Essential Concepts of causal inference
因果推断在观察性研究中的应用(续):ANALYSIS
因果与公平性和可解释性
「深入理论学习」
点击“阅读原文”,报名读书会