ICLR 2018 有什么值得关注的亮点？

列表——taineleau（知乎）

Learning Differentially Private Recurrent Language Models 

Synthetic and Natural Noise Both Break Neural Machine Translation 

Learning One-hidden-layer Neural Networks with Landscape Design 

Neural Sketch Learning for Conditional Program Generation 

Minimal-Entropy Correlation Alignment for Unsupervised Deep Domain Adaptation

N2N learning: Network to Network Compression via Policy Gradient Reinforcement Learning

Simulating Action Dynamics with Neural Process Networks 

A Neural Representation of Sketch Drawings 

Certified Defenses against Adversarial Examples 

A Deep Reinforced Model for Abstractive Summarization 

DCN+: Mixed Objective And Deep Residual Coattention for Question Answering 

作者：宫一尘

这篇文章一定是做机器翻译必看的一篇文章。是佳涛在Saleforce Research做的工作。这个工作成功实现了non-autoregressive 的机器翻译，并获得了非常接近SoTA的成绩。传统的autoregressive翻译需要在decoding的时候每次生成一个词，并把生成的词放到下一个timestamp的decoding输入中，再生成下一个输出。而这篇文章成功地将inference简化为一次，也就是说，将在inference过程中将省下80％～90%的计算量，粗略估计可以为机器翻译服务省下近80%的成本。之前很多优秀的研究者包括Kyunghyun Cho也探索过这个领域，不过无疾而终，因为这个确实是一个很难的问题。而这个工作让我们看到了曙光。很期待接下来有别的工作可以在这个基础上展开。

作者：lei tai

介绍一个隔壁组Ilya Loshchilov&&Frank Hutter教授的成果, 应该是重剑无锋, 大巧不工的典范了。Fixing Weight Decay Regularization in Adam

Adam作为一个非常常用的深度学习优化方法, 可以说用途非常广泛了(三年不到引用4000+...). Weight Decay也是大量数据优化时, 训练后期非常常用的一个trick. 出发点是目前分类分割最好的一些结果, 都发现自适应梯度方法(比如Adam)的扩展性不如SGD+Momentum. 这篇paper发现了一个简单, 但是很少有人注意的事实, 那就是现行的所有深度学习框架, 在同时处理自适应梯度类方法(比如Adam)和weight decay的时候, 一定程度上抵消了weight decay的作用. Weight decay本身的目的是限制一下值比较大的weight, 使值比较大的weight下降的更多, 从而避免模型过拟合于某几个大的weight。

而目前L2的实现方法, 使梯度值较大的weight, 下降的比预想的要少. 换句话说, 两个weight一样大, weight decay对他们应该起到的作用是一样的. 但是其中梯度比较大的那个因为Adam的归一化, 反而下降的比较小. 从而指出L2和weight decay并非完全等价。解决的办法也非常简单：

现行框架都是在优化器之前加上L2项, 这样L2的作用就受到了优化器和learning rate(alpha)的影响. Adam的自适应归一化, 将梯度大的weight也进行了归一化, 抵消了L2带来的weight decay的作用. 这篇paper按照weight decay原始的概念, 把它加到了优化器作用之后, 使其与learning rate完全脱钩, 真正发挥weight decay的作用. (公式中SetScheduleMultiplier来自Frank2017年的ICLR SGDR: Stochastic Gradient Descent with Warm Restarts)。

作者：刘嘉耿

ICLR 2018 在机器翻译领域连出几篇亮点文章，比如大牛 Cho 等人的无监督翻译 Unsupervised Neural Machine Translation ，在几乎没有平行语料的情况下，借助各种语言中普遍存在的阿拉伯数字作为种子对，用近两年的 cross-lingual embedding + noisy input reconstruction + backtranslation 等方法得到了接近有监督模型的结果。

跨语言词嵌入

翻译网络结构

趣闻：本文主要作者来自巴斯克州立大学 (Euskal Herriko Unibertsitatea) ，其使用的巴斯克语是欧洲仅存的孤立语言。

---

感谢知乎朋友的分析与回答，谢谢！