近日，437bwin必贏國(guó)際官網(wǎng)劉威威教授團(tuán)隊(duì)論文“Improved Bounds for Multi-task Learning with Trace Norm Regularization”（《基于矩陣范數(shù)正則項(xiàng)的多任務(wù)學(xué)習(xí)的最優(yōu)界》）被機(jī)器學(xué)習(xí)理論頂級(jí)會(huì)議COLT 2023錄用。437bwin必贏國(guó)際官網(wǎng)為該篇論文唯一署名單位，劉威威教授為該篇論文唯一作者。這是437bwin必贏國(guó)際官網(wǎng)首次以第一單位在COLT上發(fā)表論文。

多任務(wù)學(xué)習(xí)是指通過(guò)共享表征層用以同時(shí)學(xué)習(xí)多項(xiàng)任務(wù)。多任務(wù)學(xué)習(xí)能夠用更少的樣本取得更好的效果。最近，發(fā)表在COLT 2022的工作研究了在每個(gè)任務(wù)都有很少樣本的情況下，基于矩陣范數(shù)正則項(xiàng)的多任務(wù)學(xué)習(xí)的誤差界。但是他們的工作依賴于三個(gè)假設(shè)。第一，特征是各向同性的；第二，參數(shù)矩陣被賦予任務(wù)多樣性的假設(shè)；第三，任務(wù)數(shù)大于特征維度。是否能否拋棄這三個(gè)假設(shè)，并且提升界，是個(gè)公開問(wèn)題，這篇論文解決了這個(gè)問(wèn)題，并且提供了最小最大下界，用以展示出我們提出的上界是最優(yōu)的。

國(guó)際學(xué)習(xí)理論大會(huì)（Annual Conference on Learning Theory ，簡(jiǎn)稱COLT）是由ACM主辦的機(jī)器學(xué)習(xí)理論方向的國(guó)際頂級(jí)會(huì)議。今年舉辦的COLT 2023共收到有效投稿論文474篇，共計(jì)165篇被錄用，會(huì)議將于今年7月12日在印度班加羅爾舉行。被錄用的稿件反映了機(jī)器學(xué)習(xí)理論前沿的研究水平。