5月18日下午2:00，英国正版365官方网站第二十九期研究生学术论坛在崇真楼A北1017成功举办。本次论坛由2021级研究生徐策、邝捷文、方尚贤、和尤泽宇主讲，学院研究生会主办。
徐策的报告题目是“[MASK] Insertion: a robust method for anti-adversarial attacks”。该报告提出了基于在模型训练和推理时插入[MASK]掩码的方法，用于防御文本对抗攻击，提升模型的鲁棒性。研究发现，现有的数据增强方法中，模型增强方法和随机平滑方法分别需要生成对抗样本，对模型超参数比较敏感，并且需要大量的运算时间，而插入[MASK]方法不存在上述问题。在实验效果上，该模型的实验结果相较于RANMASK(随机平滑)与flooding-x(模型增强)方法有明显地提升，并且通过大量的消融实验证明了该方法的有效性。
邝捷文的报告题目是“GSNet: Generating 3D Garment Animation via Graph Skinning Network”。该报告提出了基于图时序的蒙皮网络模型，用于三维服装的动态仿真。课题组研究发现，当前基于深度学习的服装仿真存在前后帧时序不关联等问题，因此他提出和设计了基于图时序的蒙皮网络来进行服装动态仿真。该模型的定性和定量实验结果相较于基于单帧物理约束的方法效果更加准确，效率更加高效。
方尚贤的报告题目是“随机性环境中基于模型的强化学习算法研究”。他提出，以往的基于模型的强化学习研究多集中于确定性环境中的模型学习问题，并且取得了优异的表现。但这些算法在随机性环境中预测精度未达到很好的效果。因此他将muzero算法与后位状态相结合，从而将在确定性环境下表现优异的基于模型的强化学习算法拓展到随机性环境中。该算法的实验结果与最前沿的无模型强化学习算法和基于模型的强化学习算法相比，实验效果更加优异。
尤泽宇的报告题目是“基于Attention的视网膜图像分割”，该报告提出了基于注意力机制的CAS-UNet视网膜分割方法。该模型提出了交叉融合注意力机制和加法注意力机制，来加强对视网膜图片的分割细节，解决了现阶段大多数模型无法同时分割出局部细节与全局细节的问题。在实验效果上该模型相较于D-MNet有明显的提升。
