bfs

深度学习模型的鲁棒性解释方法旨在提升模型在面对输入扰动或对抗攻击时的解释一致性，是增强模型可信性和应用价值的重要研究方向。本次学术报告介绍了该领域的研究背景与发展现状，重点阐述了MeTFA和RobustAGA等核心算法的原理，并展望了未来的研究方向与应用前景。

语音情绪识别在如今的人机交互中具有重要作用，机器可以通过语音情绪识别对用户的情绪变化做出恰当反应，提供更具个性化的服务。深度学习作为机器学习中的一个重要分支，在语音情绪识别中也有广泛的使用。本次学习报告的主要讲解了两种深度学习的语音情绪识别的方法，并指明了现有的缺陷和未来发展方向。

主要探讨基于大语言模型的事件根因分析。阐述其研究背景、意义，涉及 RCACopilot 和 RCAgent 算法，包含数据收集、处理、输出，以及算法的具体流程等。通过实验对比展示其性能，总结了各自算法的特点、贡献与不足，展望了未来发展方向

研究文本分类硬标签黑盒模型的对抗样本生成方法，分析模型的潜在安全风险，为加强模型鲁棒性提供方向。本次学习报告讲解了文本分类模型对抗样本生成方法的总体状况，并介绍了关于文本分类硬标签黑盒模型对抗样本生成的最新方法，指明了现有的缺陷和未来发展方向。

研究针对文本嵌入模型的模型反演攻击，揭示了自然语言处理领域面临的隐私泄露风险。本次学术报告介绍了关于文本嵌入模型模型反演攻击的最新方法，并指明了现有的缺陷和未来发展方向。

遗忘学习被称为机器遗忘或取消学习，是指机器学习或深度学习系统中先前获取的知识随着时间推移而退化的现象。本次学习报告的主要讲解了两种人工智能模型的遗忘学习方法，遗忘训练数据中的特定样本或者特定类别样本，保护个人隐私。

认知诊断通过挖掘学习者行为、心理和认知之间的关系，利用学习者的学习数据，对其认知状态进行综合评估和诊断，其输出结果，即学生对于不同知识概念的熟练程度应与实际情况相符，具有高度的可解释性。现有认知诊断模型深入分析学习者的认知状态，提高结果的可解释性，为教学设计、个性化学习路径推荐等下游任务提供更准确的支持和指导，具有重要的理论意义与实际价值。

二进制函数相似性分析在1-Day漏洞检测、代码克隆检测、恶意软件检测、软件剽窃检测和自动软件修复等多个应用领域中具有广泛的应用。本次学术报告主要讲解了二进制代码相似性检测技术的基本概念、研究背景和意义，以及两种目前最先进的二进制代码相似性检测方法。