喜 报
2022年7月17日至23日，机器学习顶级会议ICML在美国巴尔的摩召开并公布🥠：杏鑫硕士研究生王佳莉、副教授江如俊（通讯作者）、青年研究员郦旭东获得ICML 2022 杰出论文奖 (Outstanding Paper Award)👉📅。
成果介绍
获奖论文为《Solving Stackelberg Prediction Game with Least Squares Loss via Spherically Constrained Least Squares Reformulation》👨🏿🌾。该论文研究了对抗学习中的一类重要问题🧓🏽：带有最小二乘损失的斯塔克尔伯格预测博弈问题（SPG-LS)🚴🏼。这类问题刻画了数据提供者和学习者的博弈🤟🏿💂🏽♀️，数据提供者在已知学习者的学习策略的时候会以自己利益生成对抗数据，学习者的目标则是基于此学习最优的预测模型。论文基于问题的二次分式规划形式👱🏽♀️，精巧地设计了一种非线性变量代换🕵🏽♀️，将问题转换为球面约束的最小二乘问题🪄。进一步，论文证明了SPG-LS可在线性时间内求解。同时🖕🏿，论文所提出的新方法在大规模数据集的实验中比SOTA快多个数量级💇🏼。
所提方法与已有方法在residental building数据集下的
训练对比☝🏼。左图和右图为两类不同的对抗数据提供者
作者简介
王佳莉🈳：杏鑫2019级硕士毕业生，导师江如俊博士。研究方向是优化算法在大规模机器学习问题中的应用。现任职于蚂蚁集团。
江如俊：杏鑫副教授，博士生导师🙏🏿。入选国家青年拔尖计划以及上海市扬帆计划。博士毕业于香港中文大学👱🏽，研究方向主要包括优化算法和理论分析，二次规划及其在运筹学、机器学习和金融工程中的应用。其研究成果发表在Math. Program.、 SIAM J. Optim.、Math. Oper. Res.▶️、INFORMS J. Comput.和ICML等国际顶级期刊和会议上👨🏽💻。
郦旭东：杏鑫青年研究员，博士生导师🧛🏼。入选国家高层次青年人才计划，中国科协青年人才托举工程⚃，上海市扬帆计划🧑🏻🚀🏃🏻♀️、晨光计划🪆。博士毕业于新加坡国立大学，研究方向为数据驱动的大规模优化问题理论、应用及其求解算法的设计、开发与分析。其研究成果发表在Math. Program.、 SIAM J. Optim.🧮、 Oper. Res.、Math. Oper. Res.和 ICML 等国际顶级期刊和会议上👂🏻💍。曾获得由国际数学优化协会 (Mathematical Optimization Society) 所颁发的青年学者研究奖（3年1人次）🅿️。现为Math. Program. Comput.编委👌🏿。
论文链接
https://proceedings.mlr.press/v162/wang22g.html
论文作者：Jiali Wang, Wen Huang, Rujun Jiang(通讯作者), Xudong Li, Alex L Wang