近日，东南大学仪器科学与工程学院刘澄玉教授、李建清教授团队在人工智能领域国际顶级期刊《ieee transactions on pattern analysis and machine intelligence》发表了题为“student loss: towards the probability assumption in inaccurate supervision”的研究论文。该论文针对错误标签（noisy label）数据对模型精度的潜在影响这一普遍问题，提出了一种对特征层数据分布进行先验假设的损失函数构建方法，提升了含有错误标签数据模型的训练效果。
近年来有监督的数据驱动算法大大推动了人工智能领域的发展。在该类学习任务中，局部错误标签的出现是普遍现象。特别是大型数据集，含有错标数据/不确定性标注数据是在所难免的。这些被错误标注的样本对模型训练有很大的误导作用，如何在ai模型训练中有效处理这些错标数据成为一个至关重要的问题。
为此，论文提出了一种新的观点，即可以将模型深层特征假设为特定的长尾t分布来有效抑制错标数据影响，并从理论推导和实验验证两个方面给出了详实论证。论文证实了一种新的损失函数（student loss）机制，可以在训练中对干净样本与错标样本进行无监督筛选，从而提升模型表现。同时，结合度量学习策略，论文进一步发展了student loss的泛化版本（large-margin version）。
该工作第一作者为东南大学仪器科学与工程学院张铄博士，通讯作者为仪器科学与工程学院刘澄玉教授，论文合作单位包括东南大学计算机科学与工程学院、英国牛津大学，东南大学为该工作的唯一通讯单位。该研究得到了国家自然科学基金，国家重点研发计划，江苏省自然科学基金等资助。
论文链接：https://ieeexplore.ieee.org/document/10412669