汪波老师的研究论文主要关注弱监督学习问题的理论研究，在标签比例学习(Learning from Label Proportions, LLP)框架下，寻求多分类器的高效求解算法，属于机器学习的应用基础研究。论文提出了两阶段训练模型，在原有的LLP一般算法的基础上，利用最优运输理论(Optimal Transport, OT)，将标签比例作为OT问题的约束条件，同时将OT问题的解作为伪标签(Pseudo Labels)，采取多种噪音标签(Noisy Label)学习策略，在交替优化的框架下，迭代求解LLP问题，最终取得了超过现有主流LLP算法的最佳学习效果(State-of-the-art)，为LLP问题的求解提供了全新的视角和思路。

汪波老师在标签比例学习问题上已有多年的研究经验，以此为主题获得国家自然科学基金一项，相关研究成果发表在NeurIPS2019, IEEE Transactions on Cybernetics, Knowledge-Based Systems和Neural Networks等顶级国际会议和重要国际期刊上。