Reddit最火！55页博士笔记总结ICLR 2019大会干货

会员服务 ·

Reddit最火！55页博士笔记总结ICLR 2019大会干货

2019 年 5 月 11 日 GAN生成式对抗网络

来源：新智元

【导读】ICLR 2019共收到1591篇论文，录取率为31.7%。这篇55页、由布朗大学博士四年级学生David Abel总结整理的ICLR 2019参会Highlights笔记，提炼了演讲和会谈亮点，通篇干货！

作为今年上半年表现最为亮眼的人工智能顶会，ICLR 2019于5月6日至9日在美国新奥尔良举行。本届投稿比去年增长了近60%，共收到1591篇，录取率为31.7%。

与往年一样，本次大会每天分上午下午两场。每场形式基本一样，先是邀请演讲（invited talk），然后是讨论，也就是被选为能够进行口头发表（Oral）的论文、茶歇、海报展示（poster）。

邀请演讲列表：

8个邀请演讲主题：

Cynthia Dwork：算法公平性的进展
Leon Bottou：Learning Representations Using Causal Invariance
Emily Shuckburgh：机器学习能否有助于地球健康的检查
Ian Goodfellow：对抗机器学习
Pierre-Yves Oudeyer：发展自主学习：人工智能，认知科学和教育技术
Zeynep Tufekci：虽然我们都担心机器学习的失败，但如果它成功了，潜伏着什么危险？
Mirella Lapata：用神经模型学习自然语言界面
Noah Goodman：在上下文中学习语言

Criteo AI Lab给出的ICLR 2019提交的研究课题热度：

今天，人工智能领域最为重要的学术会议之一IJCAI也公布了最终论文接收结果。IJCAI 2019共收到有效提交论文4752篇，比去年多了近1300篇，接收850篇，接受率为17.9%，相比去年有所下降。主办方感慨今年论文提交数量确实多：

论文收录结果出炉后，被收录的自然纷纷晒出自己的收录通知；而另一边，落选者也表达了自己的遗憾之情。

那么ICLR 2019会场都有谁上台演讲了？他们都讲了什么？下面新智元为大家带来一份55页的ICLR 2019会议的Highlights笔记，由布朗大学博士四年级学生David Abel总结整理，通篇干货。

David个人主页：

https://david-abel.github.io/

这份笔记共分为3个部分，首先简单介绍了大会的亮点；接着介绍了第一天的算法公平性演讲和一些Workshop；后面主会部分提炼了部分演讲和会谈的亮点。

ICLR亮点：深度学习局限引争论，元学习、图神经网络最热门

最近围绕Rich Sutton的一篇《痛苦的教训》引发很多讨论，也在本次会议上进行了辩论。SPiRL研讨会2的小组讨论也有很多关于这个主题的见解，SPiRL研讨会非常出色。演讲者阵容，演讲和小组都很特别。

比较热门的话题有元学习，非常受欢迎，特别是meta RL；还有图神经网络。

David表示笔记中涉及到的演讲都是他最喜欢的，并特别提出了在RL中学习抽象/层次结构的一些非常好的论文，包括Nachum等人的“Near-Optimal Representation Learning for Hierarchical Reinforcement Learning”；Levy等人的“Learning Multi-Level Hierarchies with Hindsight”；Koul等人的“Learning Finite State Representations of Recurrent Policy Networks”。

下面新智元为大家介绍其中部分Keynote内容，文末负有完整笔记PDF文档供大家下载。

主旨演讲1：当前算法公平性的进展

算法公平性的议题早在9年前就被提出来了，今年是微软杰出科学家Cynthia Dwork在这个领域持续研究的第八年。她观察发现，算法对我们某些经历的控制越来越严重，比如我们网上观看的广告、申请贷款的资质、选择大学等等。如此一来，算法的公平性就显得尤为重要，尤其是对算法越来越依赖的今天。

在Keynote中，Cynthia Dwork提出两个观点：