ICML

获本年度ICML最佳的三篇论文如下：Monday – Ballroom 3+4 – 12:04 – Dueling Network Architectures for Deep Reinforcement Learning Ziyu Wang Google Inc., Tom SchaulGoogl

©作者 |牟宇滔 单位 |北京邮电大学 研究方向 |自然语言理解 神经网络经常出现过度自信问题（overconfidence），表现为对 in-distribution 和 out-of-distribution 的数据都产生比较高的概率置信度，这是 OOD 检测的一个最基础的概念。本文提出一种 L

简介：ICML2021 | 自提升策略规划真实且可执行的分子逆合成路线 今天给大家介绍的是韩国科学技术院(KAIST)与穆罕默德·本·扎耶德人工智能大学(MBZUAI)研究人员联合发表在ICML2021上的一篇文章。作者提出一种端到端的框架，用于直接训练深度神经网络，使预测的反应路线更符合现实中的反

©PaperWeekly 原创 · 作者 |张一帆 单位 |中科院自动化所博士生 研究方向 |计算机视觉 Domain Generalization（DG：域泛化）一直以来都是各大顶会的热门研究方向。DA 假设我们有多个个带标签的训练集（源域），这时候我们想让模型在另一个数据集上同样表现很好（目标域

本文转载自公众号：专知。 【导读】知识图谱一直是研究热点，研究者近年来广泛关注知识图谱嵌入（Knowledge Graph Embedding，简称KGE）方法，在保留语义的同时，将知识图谱中的实体和关系映射到连续的、稠密的低维向量空间，从而可以通过向量来高效计算实体与关系的语义联系，利用学习得到的

7月12日，机器之心最新一期线上分享邀请到论文作者带来详细解读，详情见文末。 神经网络搜索（Neuarl Architecture Search)是近年来兴起的热门方向。在这次 ICML 的文章中，我们提出了 Few-shot NAS， 通过分割搜索空间，对分割后的子空间独立建立了一个子超网络（su

机器之心原创 作者：Sushen Zhang 编辑：Haojin Yang ICML 全称是 International Conference on Machine Learning，由国际机器学习学会（IMLS）举办，是计算机人工智能领域的顶级会议。今年的 ICML2019 是第 36 届的会议，

大模型带来的生命科学领域突破，刚刚再传新进展。 来自清华系，使用大模型实现了单细胞身份识别，同时模型 LangCell 也正式对外开源。 它不仅可以准确识别细胞身份，还具有很强的零样本分析能力，论文已被 ICML 2024 录⽤。 LangCell 的数据集中包含约 2750 万条数据，覆盖了细胞类

点上方蓝字计算机视觉联盟获取更多干货在右上方···设为星标★，与你不见不散编辑：Sophia计算机视觉联盟报道|公众号CVLianMeng转载于：专知AI博士笔记系列推荐：博士笔记|周志华《机器学习》手推笔记“神经网络”这个月初，机器学习顶会ICML结束了2020年的论文投稿，作为最“硬核”的机器学

编者按：从2018年开始，预训练（pre-train） 毫无疑问成为NLP领域最热的研究方向。借助于BERT和GPT等预训练模型，人类在多个自然语言理解任务中取得了重大突破。然而，在序列到序列的自然语言生成任务中，目前主流预训练模型并没有取得显著效果。为此，微软亚洲研究院的研究员在ICML 2019