近日，实验室2021级博士生何润东一篇论文“Not All Parameters Should be Treated Equally: Deep Safe Semi-Supervised Learning under Class Distribution Mismatch”（作者：何润东，韩忠义，杨杨，尹义龙）被AAAI2022会议录用。AAAI是国际人工智能顶尖和权威学术会议之一，属于CCF A类会议。

深度半监督学习(Deep semi-supervised learning, SSL)的目标是利用大量的无标记数据来训练模型。然而，无标记集合中通常携带未知类样本，它们将导致深度SSL算法失去泛化能力。以前的工作集中在数据层面，它们试图挑选出不可见类样本或给它们分配更低的权重，但不能从根本上消除它们对SSL算法的不利影响。而本文不再关注数据层面，而是将注意力转向模型参数层面。我们发现，只有部分参数对已知类的分类是必要的，称为安全参数。相比之下，其他参数倾向于拟合不相关的数据，称为有害参数。在这一发现的推动下，我们提出了Safe Parameter Learning (SPL)。SPL的作用是发现安全的参数，使有害的参数失活，从而减轻未知类数据带来的不利影响。大量的实验表明，在所有的基准测试中，SPL的性能都大大超过了最先进的SSL方法。实验还表明，SPL可以融合到最流行的深度SSL方法中，并且可以很容易地扩展到处理其他开放动态的情景中。