arrow
沈力 封面图

沈力 (Li Shen)

University of Pennsylvania
H指数:82
被引数:3.2万

个人简介

"沈力,博士,中山大学网络空间安全学院副教授,博士生导师。曾就职于京东探索研究院与腾讯人工智能实验室。研究方向为大规模优化算法与理论及其在可信人工智能、统计机器学习、深度学习、强化学习、运筹学中的应用。目前在机器学习与人工智能领域的旗舰期刊(Nature Machine Intelligence、IEEE TPAMI、JMLR、IJCV等)和顶级会议(ICML、NeurIPS、ICLR、CVPR等)发表论文100余篇,谷歌学术引用10000余次,专利授权20余项。作为负责人主持科技创新2030重大项目课题、国家重点研发计划子课题、国家自然科学基金面上项目、CCF产学研项目10余项。担任ICML、NeurIPS、ICLR、CVPR、ACL、ACMMM领域主席以及AAAI高级程序委员会成员。担任国际期刊IEEE TPAMI、IEEE TKDE、IEEE TMM、Neural Networks编委。"

教育背景

暂无内容

工作经历

暂无内容

荣誉奖项

暂无内容

Author Correction: Sex-specific biological aging clocks across organs and omics

作者更正:跨器官和组学的性别特异性生物衰老时钟

2026-10-260
OAAI
Generalizable CT vision-language modeling for population health and disease risk

用于人群健康和疾病风险的通用CT视觉语言建模

2026-09-290
OA
Sex-specific biological aging clocks across organs and omics

跨器官和组学的性别特异性生物衰老时钟

2026-09-160
OAAI
Impact of Glucagon-like Peptide-1 Receptor Agonists (GLP-1 RAs) on Increased Residual Gastric Content in Patients with and Without Concurrent Colonoscopy: A Retrospective Case–Control Study

胰高血糖素样肽-1受体激动剂(GLP-1 RAs)对合并与非合并同期结肠镜检查患者胃残留量增加的影响:一项回顾性病例对照研究

2026-03-100
OAAI

研究方向

京东探索研究院,算法科学家腾讯人工智能实验室,高级研究员华南理工大学,数学学院,博士华南理工大学,理学院,本科深度模型融合基准测试Multi-Task Model Merging持续学习中的记忆缓冲潜力释放零样本稀疏混合低秩专家构建联邦学习自适应批量大小时间演化随机梯度下降任务分布鲁棒无数据元学习联邦学习与差分隐私研究无监督图域适应变分框架稀疏扰动锐度感知最小化优化器随机梯度下降泛化能力计算机视觉约束优化深度神经网络多任务模型融合数据自适应加权集成去中心化联邦学习持续学习平坦性感知优化Machine learningFine-tuningFoundation models深度学习中的遗忘机制大规模深度学习模型高效训练强化学习Transformer分布外泛化不变性学习时间序列预测分布鲁棒记忆进化持续学习Communication-Efficient Distributed Adam高效联邦学习预设安全性能模仿学习稀疏到稀疏的GAN训练基于课程的非对称多任务强化学习机器学习优化算法研究生成对抗网络架构搜索完全可微架构搜索马尔可夫随机场推理模型水印扩散模型大语言模型优化模块化权重衰减视频异常推理感知认知链式思维大语言模型压缩大语言模型混合数据与模型合并Large Language ModelsPost-fine-tuning perturbationHarmful fine-tuning mitigation约束混合动作策略优化去中心化训练泛化分析多模态语义分割混合提示拜占庭攻击数据异质性持续模型合并稳定性与可塑性平衡Multi-Agent Online Coordination离线强化学习的解析能量引导策略优化持续离线强化学习多模态大语言模型的参数高效模型融合通过Share-GRPO激励多模态大语言模型推理能力大语言模型安全防御研究离线到在线强化学习数据损坏鲁棒策略扩展上下文赌博算法决策混合器动态令牌选择概率框架人工智能安全推理安全准则深度强化学习网络稀疏化扩展性提升有害微调对齐大规模多任务强化学习High-resolution image perceptionVisual RAGRetrieval-Augmented Perception掩码增强自回归预测个性化联邦学习多任务模型合并后门效应缓解差分隐私向量近似置换鲁棒的大语言模型LLM Pre-Training Data多智能体子模协调的在线学习动态神经堡垒自适应模型提取防御基于无数据知识蒸馏的开放词汇自定义联邦主对偶学习双漂移对齐后门防御安全性研究多任务提示决策 Transformer任务泛化差分隐私下的均值估计随机权平均