在今年的AAAI人工智能国际会议上，由某中心研究人员参与合作的两篇论文获得最佳论文亚军。其中主会议论文《Learning from eXtreme bandit feedback》由加州大学伯克利分校博士生Romain Lopez（研究期间在某中心实习）、某中心副总裁兼杰出科学家Inderjit Dhillon，以及某中心杰出学者Michael I. Jordan共同完成。该研究探讨了在行动空间极大且训练数据存在偏差的情况下，如何训练机器学习系统进行行动选择（如商品查询结果排序）。

另一篇发表于健康智能研讨会的论文《AWS CORD-19 Search: A neural search engine for COVID-19 literature》由某中心15位研究人员合作完成，重点介绍了支持COVID-19文献智能搜索系统的机器学习技术。该系统支持自然语言查询（如"瑞德西韦是否对COVID-19有效"），集成了知识图谱构建、主题建模和多标签分类等技术。

在bandit反馈研究中，团队针对极端多标签分类场景提出了基于Rao-Blackwell定理的改进算法，相比现有方法在六项指标上实现31%-37%的准确率提升。COVID-19搜索系统则结合了语义搜索、医疗文本信息抽取和主题建模技术，在自然语言查询效果上显著优于其他搜索接口。

会议期间另有某中心参与合作的第三篇论文《Targeted feedback generation for constructed-response questions》在AI教育研讨会获得最佳论文奖。