解讀2023年畢業論文放榜：中稿膽戰心驚？ rebuttal難改宿命？審稿者是否帶有偏見？

又到頂會放榜時，幾家歡喜幾家愁。

本次IJCAI 2023共收到4566份提交全文，接收率約15%

##問題連結：https://www.zhihu.com/question/578082970

從知乎上回饋的結果來看，整體審查質量依然不盡人意（也可能是被拒稿的怨念...），甚至有的審稿人根本沒看rebuttal的內容就給拒了。

也存在都是分數相同，但結局不同的論文。

也有網友貼出meta review的拒絕理由，全是大缺點。

不過拒稿並不是終點，更重要的是繼續出發。

網友Lower_Evening_4056認為，即使是里程碑式的論文也會被多次拒稿，也有一些論文即便不夠出色，也能被錄用。

當你繼續前行，再回過頭來看那些合理的審稿意見時，你會發現自己的工作還能再上一個層次

。

審查系統確實有缺陷

，更重要的是不要把reject看成是對你個人或作品價值的評估結果。如果你是學生，而你的導師根據審稿結果而不是工作品質來評價你的話，那你可能就要重新考慮和導師的合作關係了。

NeurIPS會議先前曾進行一致性實驗，對於平均分數在5到6.5之間的論文，錄用結果基本上就是隨機的，取決於你碰到的審稿人

。

比如說有個人的論文結果是9665，如果他沒碰到給他9分的審稿人，那結果必然是reject，只不過他剛好碰到了伯樂，並且扭轉了審稿結果。

最後，恭喜那些論文錄用的科研人，幫助推動人工智慧研究的發展！

以下是一些在社群媒體上分享已錄用的論文。

IJCAI 2023接收論文#端對端抗噪語音辨識中多任務學習的梯度修正

######################################################## ####在下游語音自動辨識系統(ASR)中，語音增強學習策略(SE)被證明能夠有效地減少噪音語音訊號產生的噪音，該系統採用多任務學習策略對這兩個任務進行聯合優化。 ############然而，透過 SE 目標學習的增強語音並不總是產生良好的 ASR 結果。 ############從最佳化的角度來看，自適應任務和自適應反應任務的梯度之間有時會存在幹擾，這會阻礙多任務學習，最終導致自適應反應表現不理想。 ######

論文連結：https://arxiv.org/pdf/2302.11362.pdf

這篇論文提出了一種簡單而有效的梯度補償(GR)方法來解決噪音穩健語音辨識中任務梯度之間的干擾問題。

具體來說，首先將 SE 任務的梯度投影到與 ASR 梯度呈銳角的動態曲面上，以消除它們之間的衝突，協助 ASR 最佳化。

此外，可自適應地調整兩個梯度的大小，以防止主導 ASR 任務被 SE 梯度誤導。

實驗結果表明，該方法較好地解決了梯度幹擾問題，在多任務學習基線上，在RATS 和CHiME-4資料集上分別實現了9.3% 和11.1 % 的相對詞錯誤率(WER)降低。

約束Tsetlin 機器子句大小建構簡潔邏輯模式

#Tsetlin 機器(TM)是一種基於邏輯的機器學習方法，具有透明和硬體友好的關鍵優勢。

雖然TM 在越來越多的應用程式中匹配或超越了深度學習的準確性，但是大子句池往往產生具有許多文字(長子句)的子句，使得它們變得不那麼容易理解。

此外，較長的子句增加了硬體中子句邏輯的切換活動，具有更高的功耗。

論文連結：https://arxiv.org/abs/2301.08190

#這篇論文介紹了一種新的TM 學習方法，即子句大小受限的子句學習方法(CSC-TM) ，可以對子句大小設定軟約束。

一旦子句包含比約束允許的更多的字面值（literals），就開始排除字面值，因此只會短暫出現較大的子句。

為了評估 CSC-TM，研究人員對表格資料、自然語言文字、圖像和棋盤遊戲進行了分類、聚類和迴歸實驗。

結果表明，CSC-TM 保持準確性與多達80倍的文字減少，實際上，TREC、 IMDb 和BBC Sports 的子句越短，準確性就越高，在準確度達到峰值之後，當子句大小接近單一文字時，就會緩慢地下降。

文章最後分析了 CSC-TM 的功耗，得到了新的收斂性質。

#DNN-Verification問題：計算深度神經網路的不安全輸入

##深度神經網路越來越多地用於需要高安全等級的關鍵任務，比如說自動駕駛，雖然可以採用最先進的驗證器來檢查DNN是否是不安全的：

給定一些屬性（即，是否存在至少一個不安全的輸入配置）後，模型的yes/no輸出對於其它目的（例如shielding、模型選擇或訓練改進）而言資訊量不足。

論文連結：https://arxiv.org/abs/2301.07068

#這篇論文介紹了#DNN-Verification問題，該問題涉及計算導致違反特定安全屬性的DNN輸入配置的數量，研究人員分析了這個問題的複雜性，並提出了一種新的方法，返回確切的違規計數。

由於問題是P-完備性的，文中提出了一個隨機的近似方法，提供了一個可證明的機率界的正確計數，同時顯著降低計算要求。

文中也提出了一組安全關鍵的基準，證明該近似方法的有效性和評估的限制的緊密性的實驗結果。

以上是解讀2023年畢業論文放榜：中稿膽戰心驚？ rebuttal難改宿命？審稿者是否帶有偏見？的詳細內容。更多資訊請關注PHP中文網其他相關文章！