近日，人工智能领域的最顶级会议之一“NeurIPS 2019”揭晓论文录用名单，会议共收到6743篇论文投稿, 仅164篇入选Spotlight论文，1428篇文章入选Poster。其中Spotlight论文：“Numerically Accurate Hyperbolic Embeddings Using Tiling-Based Models”和Poster论文：“A New Defense Against Adversarial Images: Turning a Weakness into a Strength”引起业内广泛关注。这两篇研究论文的第一作者为上海交通大学致远学院2019届（“致远八期”）数学方向毕业生余涛同学，现于美国康奈尔大学计算机系攻读博士研究生。

余涛入选“NeurIPS 2019”论文简介：

Spotlight论文：Numerically Accurate Hyperbolic Embeddings Using Tiling-Based Models

利用双曲空间嵌入层次型数据（如图、树）时，可以取得出色的性能，但在使用浮点数表示双曲空间中的点时，嵌入误差受浮点运算误差影响将会无限变大。为解决这个问题，作者提出双曲空间新模型，利用整数平铺来表示双曲空间，并具有可证明的有界数值误差。该模型可以使用普通32位浮点数来获得同等高精度浮点嵌入表现，同时能够以较少空间储存嵌入。通过一系列实验评估该模型，不仅有效压缩双曲嵌入（将WordNet嵌入压缩至原先2％），也可以学习更精确的嵌入（将Mammals嵌入表现提高10%）。

Poster论文：A New Defense Against Adversarial Images: Turning a Weakness into a Strength

在利用神经网络进行分类时，自然图像的周围存在一些低密度错误分类区域，使用基于梯度的方法有效搜寻可以导致对抗样本的存在。虽然许多用于检测这些攻击的方法被提出，但是当攻击者完全了解检测机制并相应调整攻击策略时，这些方法很容易被再次攻破。作者采用一种新颖的视角，将对抗方向的无处不在视为优点而非弱点。假设一张图像被篡改，这些对抗方向要么变得难以用梯度方法找到，要么将具有比自然图像更高的密度。针对此特征，作者开发了一种实用测试方法以成功的检测对抗攻击，并在攻击者充分了解检测机制的白盒的情景下，实现了前所未有的准确性。

余涛同学在大二下学期开始跟随图灵奖得主、中科院外籍院士、上海交大访问讲席教授John Hopcroft学习《数据科学基础》课程，并由此走上科研道路。在Hopcroft教授的悉心指导下，他开展流形比较解释神经网络的研究。大四上学期，受Hopcroft教授推荐，他前往康奈尔大学跟随Kilian Weinberger和Chris De Sa教授进行了为期半年的科研实习。2019年本科毕业后，他选择前往康奈尔大学继续攻读博士学位，并先后在AI顶级会议ICML 2019和NeurIPS 2019上发表论文。

余涛特别感谢上海交通大学致远学院提供的优越的国际交流平台以及图灵奖得主、中科院外籍院士、上海交通大学访问讲席教授John Hopcroft对其的悉心培养。