复旦大学夏寅教授到我院开展学术讲座

2025年5月9日上午11:00-12:00，复旦大学管理学院统计与数据科学系夏寅教授在崇德西楼815报告厅进行了主题为“Model-free Trustworthy Learning”的学术讲座。

在当前复杂的机器学习环境中，如何在有限样本条件下实现可靠的不确定性量化，仍是一个核心挑战。尤其是在高维数据分析和多分类任务中，传统方法往往依赖于独立性假设或完整的分布信息，在实际应用中面临显著限制。因此，构建在依赖性和信息受限情形下依然有效的不确定性量化方法，成为提升模型可信度和解释性的关键所在。本次讲座介绍了两项应对这一挑战的新进展。首先，讲座提出了SAT框架（Synthetic, Aggregation, and Test inversion），用于整合多个不确定性集合（如置信区间或共形预测集合），即使它们之间存在潜在依赖或信息不完全。该框架基于集合估计与假设检验之间的理论对偶关系，在无需额外假设的前提下实现灵活整合，并提供有限样本下的覆盖保证。随后，讲座聚焦于多类别分类任务中误分类率的控制问题，提出了PSP框架（Pre-classification, Selective p-value construction, and Post-classification）。该方法在无分布假设条件下，有效控制广义组别误差率，并具备有限样本下的统计保证。讲座进一步从非渐近与渐近两个角度出发，构建了PSP框架的理论最优性基础，拓展了其适用范围与解释力。总体而言，这两项理论框架不仅提供了对不确定性集合整合与分类误差控制的系统性解决思路，也为可信机器学习的发展提供了新的路径。它们在保证严格误差控制的同时，增强了模型在现实任务中的稳健性与透明度，展示了统计推断在现代学习系统中的重要价值。

讲座结束后，师生们受益良多，对嘉宾的精彩讲座表示感谢。研究院今后会继续邀请专家学者开展讲座，不断拓宽学术视野，欢迎关注公众号的推文。