某中心科学家Matthias Seeger荣获ICML"时间检验"奖

某中心柏林办事处首席应用科学家Matthias Seeger与三位合著者因十年前的论文《Bandit Setting下的高斯过程优化：无遗憾与实验设计》获得ICML 2020时间检验奖。该论文在机器学习领域的研究和实践方面产生了重大影响。奖项于7月1日公布，获奖者将在7月13日的虚拟会议上做大会报告。

Seeger表示：“我们的工作为贝叶斯优化奠定了坚实的理论基础，并促进了多臂老虎机（MAB）、贝叶斯优化（BO）和贝叶斯实验设计（BED）等独立研究领域的交叉融合。”

论文合著者包括现任10xGenomics计算生物学家的Niranjan Srinivas、苏黎世联邦理工学院计算机科学教授Andreas Krause，以及华盛顿大学计算机科学与统计学系教授Sham Kakade。

该获奖论文由ICML大会主席David Blei和程序委员会共同主席Aarti Singh与Hal Daumé III在咨询奖项委员会后选出。评奖委员会指出：“该论文通过分析高斯过程老虎机优化，将贝叶斯优化、老虎机和实验设计领域联系起来，提出了一种基于互信息增益量的有限样本遗憾界新方法。过去十年间，该方法本身、证明技术及实践成果都产生了深远影响，通过激发从理论到实践的无数后续工作的创造力，丰富了我们的研究社区。”

Seeger在某中心担任科学家超过六年，是某机构SageMaker服务的核心科学家之一，该服务使开发者和数据科学家能够快速构建、训练和部署机器学习模型。他还为自动模型调优和某机构SageMaker Autopilot背后的科学技术做出贡献。Seeger现任ICML 2020新人共同主席和最佳论文奖委员会委员，并持续发表研究成果。

在今年ICML AutoML研讨会上，他与合著者Eric Hans Lee、Valerio Perrone和Cedric Archambeau将发表论文《成本感知贝叶斯优化》。论文摘要中指出：“虽然黑盒设置中标准成本感知启发式方法是对获取函数进行成本归一化，但我们证明这种方法往往表现不佳，因此采用通过调度更便宜的评估在先的不同方法。我们通过两种改进启发式方法实现：成本有效的初始设计和成本冷却优化阶段，随着迭代进行逐渐贬值学习到的成本模型。”

ICML 2020于7月12-18日举行。原定于奥地利维也纳举办的会议将改为全虚拟活动。关于某中心参与ICML 2020的更多信息即将在会议页面发布。