Tafsiran Senarai Tesis Pengijazahan 2023: Adakah anda takut dengan draf yang berjaya? Adakah sukar untuk mengubah nasib dengan sanggahan? Adakah pengulas berat sebelah?

Apabila ranking dikeluarkan semula, ada yang gembira dan ada yang sedih.

Sebanyak 4566 penyerahan teks penuh telah diterima untuk IJCAI 2023, dengan kadar penerimaan kira-kira 15%

Pautan soalan: ​https://www.zhihu.com/question/578082970​

Berdasarkan keputusan maklum balas tentang Zhihu, keseluruhannya kualiti ulasan Masih tidak memuaskan (mungkin kerana dendam ditolak...), malah ada pengulas yang menolaknya tanpa membaca pun kandungan bantahan tersebut.

Terdapat juga kertas kerja dengan markah yang sama tetapi pengakhiran yang berbeza.

Sesetengah netizen turut menyiarkan sebab penolakan ulasan meta, yang kesemuanya adalah kelemahan utama.

Namun, penolakan bukanlah penamat, yang lebih penting ialah teruskan.

Netizen Lower_Evening_4056 percaya bahawa walaupun kertas mercu tanda akan ditolak berkali-kali, dan sesetengah kertas boleh diterima walaupun ia tidak cukup cemerlang.

Apabila anda meneruskan dan melihat kembali ulasan ulasan yang munasabah itu, anda akan mendapati kerja anda boleh dipertingkatkan ke tahap yang lain.

Sistem semakan memang mempunyai kelemahan Apa yang lebih penting ialah tidak menganggap penolakan sebagai hasil penilaian nilai peribadi atau kerja anda. Jika anda seorang pelajar dan penasihat anda menilai anda berdasarkan hasil ulasan anda dan bukannya kualiti kerja anda, anda mungkin ingin mempertimbangkan semula hubungan anda dengan penasihat anda.

Persidangan NeurIPS sebelum ini telah menjalankan eksperimen konsisten Untuk kertas dengan purata skor antara 5 dan 6.5, hasil penerimaan pada asasnya. rawak. Ya, ia bergantung pada pengulas yang anda temui.

Contohnya, keputusan kertas seseorang ialah 9665. Jika dia tidak bertemu dengan pengulas yang memberinya 9 mata, hasilnya mesti ditolak, tetapi dia bertemu dengan Bole. Dan membalikkan keputusan semakan.

Akhir sekali, tahniah kepada penyelidik yang telah menerima kertas kerja mereka kerana membantu mempromosikan pembangunan penyelidikan kecerdasan buatan!

Berikut ialah beberapa kertas kerja yang diterima dikongsi di media sosial.

IJCAI 2023 menerima kertas

Pembetulan kecerunan pembelajaran berbilang tugas dalam pengecaman pertuturan anti hingar hujung ke hujung

Dalam sistem pengecaman pertuturan automatik (ASR) hiliran, strategi pembelajaran peningkatan pertuturan (SE) telah terbukti mampu mengurangkan bunyi yang dihasilkan oleh isyarat pertuturan yang bising dengan berkesan. strategi pembelajaran tugasan untuk mengoptimumkan kedua-dua tugas secara bersama.

Walau bagaimanapun, pertuturan yang dipertingkatkan yang dipelajari melalui sasaran SE tidak selalunya menghasilkan keputusan ASR yang baik.

Dari perspektif pengoptimuman, kadangkala terdapat gangguan antara kecerunan tugas penyesuaian dan tugas tindak balas penyesuaian, yang menghalang pembelajaran pelbagai tugas dan akhirnya membawa kepada prestasi tindak balas penyesuaian yang lemah .

Pautan kertas: ​https://arxiv.org/pdf/2302.11362.pdf​

Kertas kerja ini mencadangkan kaedah pampasan kecerunan (GR) yang mudah dan berkesan untuk menyelesaikan masalah gangguan antara kecerunan tugas dalam pengecaman pertuturan teguh hingar.

Secara khusus, kecerunan tugasan SE pertama kali diunjurkan ke permukaan dinamik pada sudut akut dengan kecerunan ASR untuk menghapuskan konflik antara mereka dan membantu dalam pengoptimuman ASR.

Selain itu, saiz kedua-dua kecerunan dilaraskan secara adaptif untuk mengelakkan tugas ASR yang dominan daripada dikelirukan oleh kecerunan SE.

Hasil eksperimen menunjukkan bahawa kaedah ini dapat menyelesaikan masalah gangguan kecerunan dengan lebih baik Pada garis dasar pembelajaran pelbagai tugas, ia mencapai 9.3% dan 11.1 pada set data RATS dan CHiME-4. masing-masing % pengurangan kadar ralat perkataan (WER).

Kekangan saiz klausa mesin Tsetlin untuk membina corak logik ringkas

Mesin Tsetlin (TM) ialah berasaskan logik Pendekatan pembelajaran mesin yang mempunyai kelebihan utama sebagai telus dan mesra perkakasan.

Walaupun TM sepadan atau melebihi ketepatan pembelajaran mendalam dalam bilangan aplikasi yang semakin meningkat, himpunan klausa besar cenderung menghasilkan klausa dengan banyak literal (klausa panjang) , menjadikannya kurang difahami.

Selain itu, klausa yang lebih panjang meningkatkan aktiviti pensuisan logik klausa dalam perkakasan, dengan penggunaan kuasa yang lebih tinggi.

Pautan kertas: ​https://arxiv.org/abs/2301.08190​

Kertas kerja ini memperkenalkan kaedah pembelajaran TM baharu, kaedah pembelajaran klausa terhad saiz klausa (CSC-TM), yang boleh menetapkan kekangan lembut pada saiz klausa.

Sebaik sahaja klausa mengandungi lebih literal daripada kekangan yang dibenarkan, literal dikecualikan, jadi klausa yang lebih besar muncul hanya sebentar.

Untuk menilai CSC-TM, penyelidik menjalankan eksperimen klasifikasi, pengelompokan dan regresi pada data jadual, teks bahasa semula jadi, imej dan permainan papan.

Hasilnya menunjukkan bahawa CSC-TM mengekalkan ketepatan dengan pengurangan teks sehingga 80x, malah, TREC, IMDb dan BBC Sports mempunyai ketepatan yang lebih tinggi dengan klausa yang lebih pendek , selepas ketepatan memuncak, ia perlahan-lahan berkurangan apabila saiz klausa menghampiri satu teks.

Artikel akhirnya menganalisis penggunaan kuasa CSC-TM dan memperoleh sifat penumpuan baharu.

#DNN-Verification Isu: Mengira Input Tidak Selamat ke Rangkaian Neural Dalam

Rangkaian Neural Dalam semakin banyak dan lagi Ia sering digunakan untuk tugas kritikal yang memerlukan tahap keselamatan yang tinggi, seperti pemanduan autonomi Walaupun pengesah yang paling canggih boleh digunakan untuk memeriksa sama ada DNN tidak selamat:

Memandangkan. sesetengah atribut (iaitu, sama ada terdapat sekurang-kurangnya satu konfigurasi input yang tidak selamat), ya/tidak output model tidak cukup bermaklumat untuk tujuan lain (seperti perisai, pemilihan model atau peningkatan latihan).

Pautan kertas: ​https://arxiv.org/abs/2301.07068​

Kertas kerja ini memperkenalkan masalah #DNN-Verification, yang melibatkan pengiraan bilangan konfigurasi input DNN yang membawa kepada pelanggaran sifat keselamatan tertentu Para penyelidik menganalisis kerumitan masalah ini dan mencadangkan pendekatan baharu , pulangan kiraan pelanggaran yang tepat.

Memandangkan masalahnya adalah P-lengkap, kami mencadangkan kaedah penghampiran stokastik yang menyediakan kiraan terikat kebarangkalian yang terbukti betul sambil mengurangkan keperluan pengiraan dengan ketara.

Kertas ini juga membentangkan satu set tanda aras kritikal keselamatan, keputusan eksperimen yang menunjukkan keberkesanan kaedah anggaran dan menilai ketatnya kekangan.

Atas ialah kandungan terperinci Tafsiran Senarai Tesis Pengijazahan 2023: Adakah anda takut dengan draf yang berjaya? Adakah sukar untuk mengubah nasib dengan sanggahan? Adakah pengulas berat sebelah?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!