近日，人工智能頂會之一ICLR 2024錄用結(jié)果揭曉，螞蟻集團有11篇論文被收錄，其中1篇為Oral，3篇為Spotlight，7篇為Poster，螞蟻集團在AI學術(shù)領(lǐng)域的進展受到關(guān)注。

　　螞蟻集團的《長視頻中的多粒度噪聲關(guān)聯(lián)學習》被收錄為Oral論文

　　ICLR組委會今年共收到了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成為“ICLR Best Paper”，同時也代表了新一年的研究方向，今年ICLR評出的Oral論文共85篇，其中包括螞蟻集團的《Multi-granularity Correspondence Learning from Noisy Instructional Videos》（長視頻中的多粒度噪聲關(guān)聯(lián)學習）。

　　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)也是當前AI的熱門領(lǐng)域，由于過高的計算資源開銷，現(xiàn)有的視頻工作主要集中于片段的理解，而忽視了長視頻中的時序依賴。該論文將長視頻學習轉(zhuǎn)化為短視頻片段間的關(guān)聯(lián)對齊，針對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)傳輸對齊方案，顯著提升了長視頻理解能力并節(jié)省了時間開銷。

　　這個方案還具有通用性，提出的噪聲關(guān)聯(lián)處理方法可應用于其他模態(tài)需要進行內(nèi)容對齊的模型預訓練學習中。

　　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對時序預測更加有效），講述一種新的時間序列預測工作，打破常規(guī)模型結(jié)構(gòu)，在復雜時序預測任務中取得了全面領(lǐng)先；《Enhanced Face Recognition using Intra-class Incoherence Constraint》（利用類內(nèi)不一致性約束增強的人臉識別技術(shù)），引入一個新的方法，進一步提高人臉識別的精確度。《Finite-State Autoregressive Entropy Coding for Efficient Learned Lossless Compression》（基于查找表實現(xiàn)的可學習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，其它兩個人工智能頂會NeurIPS、ICML也是高增長。在上個月舉行的NeurlPS上，螞蟻集團共有20篇論文被收錄，覆蓋計算機視覺、自然語言處理、圖神經(jīng)網(wǎng)絡、圖像處理等多個人工智能和機器學習領(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，主要原因是其推行的Open Review評審制度，所有提交的論文都會接受所有同行的評價及提問，任何學者都可匿名或?qū)嵜卦u價論文。而在公開評審結(jié)束后，論文作者也能夠?qū)φ撐倪M行調(diào)整和修改。

　　據(jù)了解，過去五年，螞蟻集團在國際頂級學術(shù)期刊和學術(shù)會議上發(fā)表論文近500篇，其中AI領(lǐng)域的論文300余篇。螞蟻集團在人工智能領(lǐng)域持續(xù)進行技術(shù)投入，基于大規(guī)模業(yè)務場景的需求，布局了包括大模型、知識圖譜、運籌優(yōu)化、圖學習、可信AI等在內(nèi)的技術(shù)領(lǐng)域。