当前位置：网站首页 » 导读 » 内容详情

neurips在线播放_neurips期刊分区(2024年11月免费观看)

内容来源：材料耗材资讯网所属栏目：导读更新日期：2024-11-29

neurips

NeurIPS2024 预讲会科研云的微博视频

厉害了，太让人佩服，1997年的张林峰，已担任上海交通大学博士生导师。 1997年出生，今年27岁的张林峰，已经是名校的博士生导师，太让人佩服了。据介绍，张林峰今年6月在清华大学交叉信息研究院获得博士学位，现已担任上海交通大学人工智能学院助理教授、博士生导师。张林峰虽然年轻，但是已经获得不少的成就，在CCF-A等高水平学术会议与期刊上发表第一作者和通讯作者论文二十余篇，被引用2000余次，担任NeurIPS、ICLR、ICML、CVPR、ICCV等多个学术会议的审稿人，曾获北京市优秀毕业生、清华大学优秀博士论文、微软学者奖学金（亚洲共十二名）、清华大学蒋南翔奖学金等荣誉表彰。 #2024洞察时局# #热点新知# #动态连更挑战#

MEVI：新方案，高召回速检索 𐟎‰ 备受瞩目的NeurIPS 2023大会上，微软亚洲研究院带来了多篇精彩的论文，其中一篇特别引人注目。 𐟓„ 论文链接： 𐟔 传统的文档检索方法大致分为三种：基于词语、嵌入和生成。基于词语的方法虽然能构建倒排索引，但无法充分利用语义信息。基于嵌入的方法通过双塔架构将查询和文档编码为嵌入向量，然后使用近似最近邻（ANN）搜索，但优化目标分为两个阶段，且ANN和最近邻的召回性能存在差距。基于生成的方法采用序列到序列模型，直接输入查询并输出文档标识符，在小语料库上表现优异，但由于高延迟难以扩展到大语料库，且语料库不可变。 𐟒ᠤ𘺤𚆨磥†𓨿™些问题，微软亚洲研究院的研究员们提出了模型增强向量索引MEVI，兼具高召回率和较快检索速度。他们构建了残差量化（RQ）码本对文档进行聚类，RQ码本保留了文档簇的层次结构，适合自回归生成。此外，还构建了序列到序列模型。输入查询后，序列到序列模型可以根据RQ码本直接生成虚拟集群标识符，然后用ANN在虚拟集群中搜索相关文档。 𐟔砥œ訮�ƒ过程中，研究员们使用经过数据增强的查询-文档对进行模型训练；推理过程中，则使用波束搜索根据RQ码本检索top-K个集群，并在集群中用ANN搜索查询嵌入。MEVI的设计解决了传统方法的局限性：RQ码本大小适中，使自回归解码器延迟较低；同时，新文档也可以插入到对应集群中。为了进一步增强召回性能，研究员们还将生成的文档集群和基于嵌入方法得到的文档进行了集成，同时发挥二者的优势。 𐟓Š 在实验中，研究员们选取了AR2和T5-ANCE模型作为基于嵌入的方法。实验结果表明，MEVI显著提高了召回率，在MSMARCO Passage数据集上实现了+3.62%的MRR@10、+7.32%的R@50、+10.54%的R@1000，在Natural Questions数据集上实现了+5.04%的R@5、+5.46%的R@20、+5.96%的R@100。

【NeurIPS2024】超越冗余：信息感知的无监督多重图结构学习「数据派thu的精心推荐」网页链接

【NeurIPS2024】通过分解编码和条件控制增强文本到视频生成中的运动效果「数据派thu的精心推荐」网页链接

NeurIPS 2024 | 经典GNNs是强有力的节点分类基线模型「数据派thu的精心推荐」网页链接

NeurIPS 2024 | 分段时序多分类任务下的一致性学习框架「数据派thu的精心推荐」网页链接

NeurIPS23：大模型新进展以下是NeurIPS 2023中几篇与大模型或预训练以及in-context learning相关的文章速览： 𐟓– PRODIGY: 图形上下文学习的新篇章 [PRODIGY是一个预训练框架，旨在在图上实现上下文学习] 𐟎蠤𜘥Œ–文本到图像生成的提示 [一个自动适应用户输入的提示框架，通过强化学习探索更好的提示] 𐟤– 语言模型能否解决图问题？ [探讨语言模型是否能够使用自然语言在图上执行结构化操作] 𐟧 大语言模型的规划能力 [评估大语言模型在常识规划任务中的表现，以及作为启发式指导其他AI规划器的潜力] 𐟔„ 高效Transformer的交替更新 [在不增加计算成本的情况下，通过引入交替更新技术，整合更宽的表示] 𐟒ᠤ𚺧𑻨ᨥ𞁤𘎦œ𚥙襭椹：少样本学习的关键 [强调将人工智能系统的表征与人类的表征相协调的重要性] 𐟌 预训练数据多样性与微调稳健性 [理解深度学习中预训练分布的属性如何影响微调模型的稳健性] 𐟔 内部分布与外部分布性能的逆相关关系 [探讨深度学习模型的内部分布（ID）与外部分布（OOD）性能之间的关系] 𐟤 实时反馈下的指令跟随学习 [通过互动中的实时用户反馈改进instruction-following agent] 𐟌Š 扩散模型中的上下文学习 [Prompt Diffusion框架，用于在基于扩散模型的多模态生成模型中实现上下文学习]

图片水印安全吗？𐟌ŠWAVES𐟌Š揭秘最近，我们团队联手开展了一个名为𐟌ŠWAVES𐟌Š的基准测试项目，专注于图片水印的鲁棒性研究。随着深度学习模型的广泛应用，如何确保图片的真实性成为一个重要问题。其中，隐形水印技术因其高效性而备受青睐。然而，隐形水印真的能保护图片安全吗？𐟌ŠWAVES𐟌Š项目揭示，一些简单的图片编辑或高级的对抗性扰动技术，可能会让隐形水印失效。这意味着，仅仅依靠隐形水印可能并不足以完全保护图片。我们的项目旨在开发一种工具箱，用于检测水印的安全性。我们希望通过𐟌ŠWAVES𐟌Š为构建可信的AI系统贡献一份力量。如果你对我们的工作感兴趣，欢迎加入我们的行列！NeurIPS竞赛：擦除隐形水印挑战，旨在测试水印的鲁棒性，欢迎你的参与！𐟓𑰟’ꊊ再次感谢大家的关注与支持！𐟙

【能想象到吗？自己看到、想到，甚至是梦到的画面能够被可视化出来】由中科院团队提出的非侵入式大脑解码新框架，为脑机接口和认知模型发展奠定基础，已入选NeurIPS 2024！[全力以赴][全力以赴] 网页链接

专栏内容推荐

1000 x 1000 · jpeg
Press
素材来自:neurips.cc
474 x 355 · jpeg
PNNL @ NeurIPS 2020 | PNNL
素材来自:pnnl.gov

474 x 248 · jpeg
InstaDeep hits a new record, taking five papers to New Orleans for NeurIPS 2022 | InstaDeep ...
素材来自:instadeep.com

877 x 216 · jpeg
TWIML Presents: NeurIPS 2020
素材来自:twimlai.com

1920 x 960 · jpeg
A Look back at the NeurIPS Conference: AI Advancements, Insights, and Predictions for What's Next
素材来自:zvelo.com

1260 x 945 · jpeg
NeurIPS 2019: AlphaNPI presented on the main stage in front of thousands | InstaDeep - Decision ...
素材来自:instadeep.com
900 x 383 · png
About
素材来自:120.46.213.13

2000 x 1500 · jpeg
An AI conference once known for blowout parties is finally growing up | MIT Technology Review
素材来自:technologyreview.com
953 x 405 · jpeg
NeurIPS 2022 | CATER：针对模型窃取的版权保护之选择性水印_数据_Text_研究
素材来自:sohu.com

2000 x 1500 · jpeg
Is NeurIPS Getting Too Big?
素材来自:thegradient.pub
800 x 610 · jpeg
네이버, 글로벌 AI 학회 '뉴립스'서 논문 11편 발표 - 파이낸셜뉴스
素材来自:fnnews.com

1600 x 1200 · jpeg
PNNL @ NeurIPS 2021 | Conference | PNNL
素材来自:pnnl.gov
919 x 460 · png
从IJCAI 2019到NeurIPS 2019，联邦学习将再次亮相国际AI顶会 – FedAI 中文站
素材来自:cn.fedai.org.cn

1080 x 607 · jpeg
NeurIPS 2022-10大主题、50篇论文总结-极市开发者社区
素材来自:cvmart.net

1024 x 390 · png
NeurIPS official meetup 2020 - Marvik
素材来自:blog.marvik.ai

2245 x 1587 · jpeg
NeurIPS 2022 — LXAI
素材来自:latinxinai.org
素材来自:youtube.com

474 x 266 · jpeg
Entos Presents Latest AI-Driven Drug Discovery Advances at NeurIPS 2022 | Entos
素材来自:entos.ai

996 x 1014 · png
An overview of NeurIPS 2021’s publications - VinAI
素材来自:news.vinai.io
1500 x 800 · png
NeurIPS 2019 in Review · Invenia Blog
素材来自:invenia.github.io

3456 x 2304 · png
NeurIPS Poster Debiasing Graph Neural Networks via Learning Disentangled Causal Substructure
素材来自:neurips.cc
2000 x 1500 · jpeg
NeurIPS 2018 Opens; Best Papers Announced – SyncedReview – Medium
素材来自:medium.com

1000 x 700 · jpeg
Report on NeurIPS 2018 by George Boateng – CDHI
素材来自:c4dhi.org
800 x 382 · png
NeurIPS 2023
素材来自:neurips.cc

2400 x 1260 · png
NeurIPS 2020: InstaDeep with record contribution including spotlight talk and five poster ...
素材来自:instadeep.com

2880 x 1440 · png
NeurIPS Poster Gradient Descent: The Ultimate Optimizer
素材来自:neurips.cc

950 x 713 · jpeg
NeurIPS 2018 Opens; Best Papers Announced | Synced
素材来自:syncedreview.com
474 x 536 · jpeg
Recruit Data Blog | NeurIPS 2022 参加報告前編
素材来自:blog.recruit.co.jp

2350 x 1000 · jpeg
科恩实验室最新NeurIPS-2020论文解读：基于跨模态检索的二进制代码-源代码匹配 | 腾讯科恩实验室官方博客
素材来自:keenlab.tencent.com

59 x 26 · jpeg
Press
素材来自:neurips.cc
1080 x 806 · jpeg
NeurIPS 2022最新「贝叶斯优化」教程报告，230+页PPT阐述BO最新进展 - 专知VIP
素材来自:zhuanzhi.ai

300 x 300 · png
NeurIPS 2022, 36th Annual Conference For Machine Learning, Has Arrived | ml-news – Weights & Biases
素材来自:wandb.ai
1440 x 809 · jpeg
EPFL @ NeurIPS 2023 - EPFL
素材来自:actu.epfl.ch

1414 x 524 · png
NeurIPS 2022 Oral | 高歌课题组提出跨模态表征学习新方法 - 生物通
素材来自:ebiotrade.com

779 x 1014 · png
An overview of NeurIPS 2021’s publications - VinAI
素材来自:news.vinai.io

素材来自:查看更多內容

当前用户设备UA：Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)