近日,，人工智能頂會(huì)之一ICLR 2024錄用結(jié)果揭曉，螞蟻集團(tuán)有11篇論文被收錄,，其中1篇為Oral，3篇為Spotlight,，7篇為Poster,，螞蟻集團(tuán)在AI學(xué)術(shù)領(lǐng)域的進(jìn)展受到關(guān)注。

　　螞蟻集團(tuán)的《長(zhǎng)視頻中的多粒度噪聲關(guān)聯(lián)學(xué)習(xí)》被收錄為Oral論文

　　ICLR組委會(huì)今年共收到了7262篇論文投稿，錄用率約為31%,。其中,，1.2%被錄用為Oral論文，作者獲得10分鐘的口頭演講,，5%被錄用為Spotlight論文,，獲得4分鐘的聚光燈展示；Poster論文則以海報(bào)形式展示,。論文的重要性按此三類遞減,。

　　每年，ICLR Oral論文中一大半的論文會(huì)成為“ICLR Best Paper”,，同時(shí)也代表了新一年的研究方向,，今年ICLR評(píng)出的Oral論文共85篇，其中包括螞蟻集團(tuán)的《Multi-granularity Correspondence Learning from Noisy Instructional Videos》（長(zhǎng)視頻中的多粒度噪聲關(guān)聯(lián)學(xué)習(xí)）,。

　　短視頻已成為大眾日常生活的主要娛樂方式,，多模態(tài)技術(shù)也是當(dāng)前AI的熱門領(lǐng)域，由于過高的計(jì)算資源開銷,，現(xiàn)有的視頻工作主要集中于片段的理解,，而忽視了長(zhǎng)視頻中的時(shí)序依賴。該論文將長(zhǎng)視頻學(xué)習(xí)轉(zhuǎn)化為短視頻片段間的關(guān)聯(lián)對(duì)齊,，針對(duì)視頻與文本間顯著存在的噪聲關(guān)聯(lián)問題,，提出了統(tǒng)一的最優(yōu)傳輸對(duì)齊方案，顯著提升了長(zhǎng)視頻理解能力并節(jié)省了時(shí)間開銷,。

　　這個(gè)方案還具有通用性,，提出的噪聲關(guān)聯(lián)處理方法可應(yīng)用于其他模態(tài)需要進(jìn)行內(nèi)容對(duì)齊的模型預(yù)訓(xùn)練學(xué)習(xí)中。

　　收錄為Spotlight的3篇論文分別是《iTransformer: Inverted Transformers Are Effective for Time Series Forecasting》（iTransformer：倒置Transformer對(duì)時(shí)序預(yù)測(cè)更加有效）,，講述一種新的時(shí)間序列預(yù)測(cè)工作,，打破常規(guī)模型結(jié)構(gòu)，在復(fù)雜時(shí)序預(yù)測(cè)任務(wù)中取得了全面領(lǐng)先,；《Enhanced Face Recognition using Intra-class Incoherence Constraint》（利用類內(nèi)不一致性約束增強(qiáng)的人臉識(shí)別技術(shù)）,，引入一個(gè)新的方法，進(jìn)一步提高人臉識(shí)別的精確度,?！禙inite-State Autoregressive Entropy Coding for Efficient Learned Lossless Compression》（基于查找表實(shí)現(xiàn)的可學(xué)習(xí)自回歸模型用于高效無損壓縮算法），提出了一種新的算法,，實(shí)現(xiàn)了高壓縮率,、高吞吐率的無損壓縮。

　　自2017年以來,，ICLR每年收到的論文數(shù)量以30%的速度增長(zhǎng),，其它兩個(gè)人工智能頂會(huì)NeurIPS、ICML也是高增長(zhǎng),。在上個(gè)月舉行的NeurlPS上,，螞蟻集團(tuán)共有20篇論文被收錄，覆蓋計(jì)算機(jī)視覺,、自然語言處理,、圖神經(jīng)網(wǎng)絡(luò)、圖像處理等多個(gè)人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的前沿主題,。

　　ICLR自2013年成立以來,，每年的論文數(shù)量情況,。2017年開始，論文數(shù)量攀升,。

　　ICLR近年受到業(yè)內(nèi)好評(píng),，主要原因是其推行的Open Review評(píng)審制度，所有提交的論文都會(huì)接受所有同行的評(píng)價(jià)及提問,，任何學(xué)者都可匿名或?qū)嵜卦u(píng)價(jià)論文,。而在公開評(píng)審結(jié)束后,，論文作者也能夠?qū)φ撐倪M(jìn)行調(diào)整和修改。

　　據(jù)了解,，過去五年,，螞蟻集團(tuán)在國(guó)際頂級(jí)學(xué)術(shù)期刊和學(xué)術(shù)會(huì)議上發(fā)表論文近500篇，其中AI領(lǐng)域的論文300余篇,。螞蟻集團(tuán)在人工智能領(lǐng)域持續(xù)進(jìn)行技術(shù)投入,，基于大規(guī)模業(yè)務(wù)場(chǎng)景的需求，布局了包括大模型,、知識(shí)圖譜,、運(yùn)籌優(yōu)化、圖學(xué)習(xí),、可信AI等在內(nèi)的技術(shù)領(lǐng)域,。