11 kertas kerja Kumpulan Ant telah berjaya dipilih untuk ICLR 2024, persidangan AI antarabangsa terkemuka

Baru-baru ini, ICLR 2024, persidangan kecerdasan buatan teratas, mengumumkan keputusan kemasukan. Kumpulan Ant mempunyai 11 kertas kerja yang diterima pada persidangan ini, yang mana 1 dinilai sebagai laporan lisan, 3 dipilih sebagai laporan fokus, dan 7 lagi adalah pembentangan poster. Kemajuan Kumpulan Semut dalam komuniti akademik kecerdasan buatan telah menarik perhatian ramai. . % . Mengikut keputusan penerimaan, 1.2% daripada kertas kerja akan diterima sebagai kertas Lisan, dan pengarang ini akan menerima peluang ucapan lisan selama 10 minit. 5% lagi kertas diterima sebagai kertas Spotlight, dan pengarang ini akan mempunyai 4 minit masa sorotan. Kertas kerja yang selebihnya akan dibentangkan dalam format poster. Secara keseluruhan, kertas Lisan mempunyai kepentingan tertinggi, diikuti oleh kertas Sorotan, dan kertas Poster mempunyai kepentingan paling rendah.

Setiap tahun, sejumlah besar kertas Lisan ICLR akan dinilai sebagai "Kertas Terbaik ICLR", yang juga bermakna bahawa mereka membimbing hala tuju penyelidikan untuk tahun baharu. Tahun ini, ICLR memilih 85 kertas Lisan, termasuk "Pembelajaran Korespondensi Berbilang butiran daripada Video Pengajaran Yang Bising" (Pembelajaran Korespondensi Berbilang butiran daripada Video Pengajaran yang Bising). Kertas kerja ini mencadangkan kaedah pembelajaran menggunakan video pengajaran yang bising, yang meningkatkan prestasi dan keteguhan model melalui pembelajaran yang berkaitan pada pelbagai butiran. Penyelidikan ini sangat penting untuk menyelesaikan masalah kebisingan dan ketidakpastian yang wujud di dunia nyata, dan memberikan idea baharu untuk pembangunan selanjutnya dalam bidang pemahaman video.

Video pendek telah menjadi bentuk hiburan utama dalam kehidupan seharian manusia, dan teknologi berbilang modal ialah hala tuju penyelidikan yang popular dalam bidang AI semasa. Walau bagaimanapun, disebabkan overhed sumber pengiraan yang tinggi, kerja video sedia ada tertumpu terutamanya pada pemahaman segmen, sambil mengabaikan kebergantungan temporal dalam video yang panjang. Untuk menyelesaikan masalah ini, kertas kerja ini mengubah pembelajaran video panjang kepada penjajaran persatuan antara klip video pendek. Menyasarkan masalah korelasi bunyi antara video dan teks, kajian itu mencadangkan skema penjajaran transmisi optimum bersatu Skim ini meningkatkan pemahaman video yang panjang dan juga menjimatkan masa. Melalui penyelidikan ini, kita boleh lebih memahami video yang panjang dan lebih tepat serta cekap dalam memproses perkaitan antara video dan teks.

Penyelesaian ini sangat serba boleh, dan kaedah pemprosesan korelasi bunyi yang dicadangkan sesuai untuk pembelajaran pra-latihan model lain yang memerlukan penjajaran kandungan.

Spotlight telah menyertakan tiga kertas kerja, iaitu "iTransformer: Inverted Transformers Are Effective for Time Series Forecasting" (iTransformer: Inverted Transformers lebih berkesan untuk ramalan siri masa), "Enhanced Face Recognition using Intra-class Incoherence Constraint" (Menggunakan kelas Face Face teknologi pengecaman yang dipertingkatkan oleh kekangan ketidakkonsistenan dalaman) dan "Pengekodan Entropi Autoregresif Keadaan Terhad untuk Pemampatan Tanpa Kerugian Yang Dipelajari Cekap" (model autoregresif yang boleh dipelajari berdasarkan jadual carian untuk algoritma pemampatan tanpa kehilangan yang cekap). Kertas pertama memperkenalkan kaedah peramalan siri masa baharu, yang mencapai keputusan utama yang komprehensif dalam tugas peramalan siri masa yang kompleks dengan memecahkan struktur model konvensional. Penyelidikan ini mempunyai implikasi penting untuk meningkatkan ketepatan dan kecekapan peramalan siri masa. Kertas kedua memperkenalkan kaedah baharu untuk meningkatkan ketepatan pengecaman muka. Kaedah ini menggunakan kekangan ketidakkonsistenan dalam kelas untuk terus mengoptimumkan teknologi pengecaman muka. Penyelidikan ini amat penting untuk meningkatkan prestasi dan ketepatan sistem pengecaman muka. Kertas ketiga mencadangkan model autoregresif yang boleh dipelajari yang dilaksanakan berdasarkan jadual carian untuk pemampatan tanpa kehilangan yang cekap. Penyelidikan ini merealisasikan algoritma pemampatan tanpa kerugian dengan kadar mampatan tinggi dan kadar pemprosesan tinggi, yang mempunyai nilai aplikasi penting untuk pemampatan dan penyimpanan data. Penerbitan ketiga-tiga kertas kerja ini telah membuat penemuan penting dan kemajuan dalam bidang masing-masing, memberikan sokongan padu untuk penyelidikan dan aplikasi dalam bidang berkaitan. Kemunculan mereka telah memperkayakan hasil penyelidikan akademik dan membawa kemungkinan baharu kepada pembangunan bidang berkaitan.

Sejak 2017, bilangan kertas yang diterima oleh ICLR setiap tahun telah meningkat sebanyak 30%, dan dua persidangan kecerdasan buatan teratas, NeurIPS dan ICML, juga telah menunjukkan trend pertumbuhan pesat. Pada persidangan NeurIPS baru-baru ini, Kumpulan Ant mempunyai sejumlah 20 kertas kerja yang disertakan, meliputi topik-topik canggih dalam penglihatan komputer, pemprosesan bahasa semula jadi, rangkaian saraf graf, pemprosesan imej dan banyak lagi bidang kecerdasan buatan dan pembelajaran mesin. Pencapaian ini membuktikan lagi kekuatan penyelidikan dan keupayaan inovasi Ant Group yang cemerlang dalam bidang kecerdasan buatan.

(

Gambar: Jumlah kertas kerja tahunan ICLR sejak penubuhannya pada 2013. Bermula dari 2017, jumlah kertas kerja telah meningkat.

)

ICLR telah diterima dengan baik oleh industri dalam beberapa tahun kebelakangan ini, terutamanya disebabkan oleh sistem semakan Semakan Terbukanya Semua kertas kerja yang diserahkan akan menerima penilaian dan soalan daripada semua rakan sebaya, dan mana-mana sarjana boleh menilai kertas secara tanpa nama atau di bawah nama sebenarnya. Selepas semakan awam selesai, pengarang kertas kerja juga boleh melaraskan dan mengubah suai kertas tersebut.

Difahamkan dalam tempoh lima tahun yang lalu, Ant Group telah menerbitkan hampir 500 kertas kerja dalam jurnal akademik antarabangsa dan persidangan akademik terkemuka, termasuk lebih daripada 300 kertas kerja dalam bidang AI. Ant Group terus melabur dalam teknologi dalam bidang kecerdasan buatan Berdasarkan keperluan senario perniagaan berskala besar, ia telah membentangkan bidang teknikal termasuk model besar, graf pengetahuan, pengoptimuman operasi, pembelajaran graf dan AI yang dipercayai.

Atas ialah kandungan terperinci 11 kertas kerja Kumpulan Ant telah berjaya dipilih untuk ICLR 2024, persidangan AI antarabangsa terkemuka. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!