稳定学习年度研究进展

崔鹏，清华大学计算机系长聘副教授，博士生导师。研究兴趣聚焦于因果启发的稳定学习与决策优化、大规模网络表征学习等。在数据挖掘及人工智能领域顶级国际会议发表论文100余篇，先后7次获得国际会议或期刊论文奖。担任IEEE TKDE、ACM TOMM、ACM TIST、IEEE TBD等国际期刊编委。曾获得国家自然科学二等奖、教育部自然科学一等奖、CCF-IEEE CS青年科学家奖、ACM杰出科学家

禹含，清华大学计算机系人工智能方向博士二年级在读，主要研究方向包括稳定学习、因果推断、领域泛化等，他希望从理论和应用两个角度建立具有分布外泛化能力的机器学习模型。目前以第一作者在AAAI发表论文一篇，并担任过ICML、NeurIPS、UAI等会议的审稿人。曾获国家奖学金、蒋南翔奖学金、清华大学优秀毕业生、北京市优秀毕业生等荣誉。

林勇，香港科技大学博士三年级在读生。研究方向为因果学习(causality), 不变性学习(invariance)和机器学习理论(learning theory)。他希望能够建立针对分布偏移鲁邦的机器学习模型，让模型可以适应更复杂的现实环境。在去香港科技大学攻读博士之前，他获得了浙江大学本硕学位，并在蚂蚁金服(阿里巴巴)担任算法专家(P7)数年。他目前已在顶会(ICML, NeurIPS, CVPR)发表多篇论文。他曾获得诸多荣誉，包括三次国家奖金和一次香港政府奖学金。

何玥，清华大学计算机系人工智能方向博士生，研究方向包括分布外泛化、因果推断、稳定学习、因果推荐系统等。他已发表或录用CCF-A类会议论文10篇，提出了一套因果启发的兼具可扩展性和泛化能力的机器学习和推理方法。他多次担任NeurIPS、ICML、AAAI等会议的程序委员会委员，入选2019腾讯犀牛鸟精英人才培养计划。他主导构建了视觉领域分布外泛化标准评测数据集NICO（总引用超过100），并组织了分布外泛化图像识别国际学术挑战赛NICO Challenge（近200只国内外团队参赛）。

刘家硕，清华大学计算机系人工智能方向博士生，主要研究方向为分布外泛化问题，¬¬¬¬¬包含分布鲁棒优化、稳定学习、不变学习等。他希望充分利用数据异质性，建立具有理论保证的针对分布偏移稳定的机器学习模型。他已发表顶会/期刊(ICML, NeurIPS, TKDE, TPAMI等)论文9篇（其中第一作者5篇）。他曾获得清华大学优良毕业生、国家奖学金等诸多荣誉。

张奇，复旦大学计算科学技术学院教授、博士生导师、中国中文信息学会理事。主要研究方向为自然语言处理。以第一作者或通讯作者发表国际顶级论文100余篇，获得美国授权专利4项。获得上海市“晨光计划”、复旦大学“卓越2025”人才培育计划“卓学优秀人才”、获得上海市科技进步二等奖、教育部科技进步二等奖、ACM WSDM最佳论文提名奖、COLING 最佳论文提名奖、COLING Outstanding Paper、IBM Faculty Award、中国中文信息学会汉王青年创新一等奖。

陈瀚雄博士毕业于罗格斯大学计算机系， 师从张永锋教授。目前就职于 Meta 担任研究员。博士期间研究内容包括推荐系统， 信息检索， 机器推理， 机器学习公平性， 自然语言处理等。其近期的研究工作关注于融合神经符号推理与深度学习的结合以及因果推理在公平性上的应用。

王啸，北京航空航天大学副教授，鹏城实验室兼聘助理研究员。研究方向为图神经网络、数据挖掘与机器学习。共发表论文80余篇，其中CCF A类论文40余篇，ESI高被引论文2篇，6篇入选最有影响力论文榜单，1篇提名WWW 2021最佳论文, 1篇获得ICDM 2021最佳学生论文亚军，1篇获得2022世界人工智能大会青年优秀论文提名奖，成果多次写入图计算标准库PyG和DGL。出版教材一部，专著三部，著作章节一章。担任WWW/AAAI/IJCAI的高级程序委员会委员。获得ACM中国新星提名奖，AI2000最具影响力学者，北京智源研究院青源会会员，CCF高级会员，CCFAI专委会执行委员。

张兴璇，清华大学计算机系人工智能方向博士生，主要研究方向包括深度学习模型的分布外泛化、域泛化和分布外物体检测等。他首次将稳定学习拓展到深度学习领域，提出了一套具有泛化能力的深度学习方法。他已在CVPR，ICCV，NeurIPS，ICML，WWW等会议发表多篇文章，并担任CVPR，ICCV，NeurIPS，ICML等会议审稿人。他是大规模分布外泛化图像识别国际学术挑战赛NICO Challenge（近200只国内外团队参赛）的主要组织者，并参与主持了ECCV 2022 workshop “Causality in Vision”。