第六期学术交流研讨会来啦！主题是联邦对比学习！

报告摘要：
传统的联邦学习算法往往是以监督学习的方式来完成相关的训练任务。而在现实生活中，标签的获取往往是高代价的，通常需要专业人士花费大量时间对数据进行标注。因此，近年来联邦化无监督学习训练生成预训练模型+对具体的下游任务进行模型微调的应用模式逐渐被大家所关注。对比学习方法作为自监督学习目前较为新颖的一种学习范式，其通过拉近同一实例不同版本的对应表示，同时增加与不同实例表示之间距离的方式来训练生成预训练模型。由于其简单的思路和优异的性能，对比学习正吸引着无数研究者们的目光。
在本次的论文分享活动中，本人将会以联邦对比学习为主题，为大家简要介绍其目前主要的研究思路和研究成果。

报告人简介：
浙江大学软件学院软件工程专业硕士生，目前跟从吴超导师做联邦学习与对比学习相关的研究。