复旦校友论文获ICML时间检验奖，Hinton弟子一作，生成式AI受关注

其当中一篇原是Deep Canonical Correlation Analysis，作者来自加州国立大学洛杉矶医该学院和丰田钢铁工业国立大学芝加哥医该学院（Toyota Technological Institute at Chicago）。

这篇学术研究论文现如今引用才有1915次，主要有两层面的号召力。

其一，学术研究论文明确指出了一种基于广度机器学习的多模态说明修习的前提条件作法。这种广度多模态修习现在成生成式AI的亮点之一，如DaLL·E、Stable Diffusion等。

其二，这篇学术研究论文展览品了在无监理作法下也能获取数据得良好说明，并不需要依赖于观测回溯，通过说明自由空间内关联同一观测的多个贴图就行，这也启发了许多最近关于无回溯自监理说明修习的正则表达式，包括对比修习等。

另一篇学术研究论文原是Making a Science of Model Search: Hyperparameter Optimization in Hundreds of Dimensions for Vision Architectures。

这篇学术研究论文现如今引用才有2310次，作者分别来自哈佛国立大学罗兰科学研究研究所（Rowland Institute at Harvard）和MIT。

这篇学术研究论文通过黑盒最佳化（black-box optimization）和对机器修习的理解和进步表明，的大匹配调优是一个严谨的科学研究和工程解决问题办法，可以通过系统化作法而非启发式作法来解决问题。学术研究论文对数百个的大匹配透过了自动调优的实验，这也是对正则表达式的大匹配调优最有说服力的示例之一。

在此之前，尽管的大匹配调优对机器修习的倡导比较重要、具有极大的号召力，但它经常被普遍认为是一种“事前意念”或艺术，而非科学研究。

ICML 2023整整检测荣誉奖：

— 完 —

量长子位 QbitAI · 头条号签约