近日，以温良剑为第一作者，西南财经大学为第一单位的研究论文 “MVEB: Self-Supervised Learning With Multi-View Entropy Bottleneck” 已在人工智能领域的国际顶尖期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（简称TPAMI）上发表。

该项研究集中于自监督学习，这是深度学习领域的一个核心基础任务。为了提高自监督学习模型在下游任务上的泛化能力，研究团队创新性地提出了多视图熵瓶颈（MVEB）方法。此方法通过优化不同视图间的信息共享并减少信息冗余，显著提升了学习表征的泛化能力。

TPAMI是模式分析与机器智能领域的顶级期刊，由IEEE出版。该期刊的影响因子为23.6，2020年在计算机工程、电子工程及人工智能相关领域的期刊中排名第一。中国计算机学会和中国自动化学会等多个学术机构高度认可该期刊，鼓励国内学者在此发表突破性研究。