这项工作主要研究一个经典而又非常实际且常见的问题：数据类别不平衡（也泛称数据长尾分布）下的分类问题。来自 MIT 的两位作者通过理论推导和大量实验发现，半监督和自监督均能显著提升不平衡数据下的学习表现。论文第一作者杨宇喆，MIT 计算机科学与人工智能实验室博士生，本科毕业于北京大学。研究方向为：基于深度学习的无线感知，鲁棒机器学习，强化学习。论文链接：https://arxiv.org/pdf/2006.07529.pdfhttps://github.com/YyzHarry/imbalanced-semi-self。目前代码（以及相应数据，30多个预训练好的模型）已开源，Github链接如下：https://github.com/YyzHarry/imbalanced-semi-self。