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与三位合著者因其十年前的论文获得了ICML 2020时间检验奖，该论文在机器学习领域的研究和实践均产生了重大影响。该奖项于7月1日宣布，获奖者将在7月13日的虚拟会议上发表全体演讲。

Seeger表示，这篇题为《Bandit设置下的高斯过程优化：无遗憾与实验设计》的论文在先前独立的领域——贝叶斯优化（BO）、线性上下文多臂老虎机（MAB）和贝叶斯实验设计（BED）——之间建立了持久的联系。

“我们的工作为贝叶斯优化奠定了坚实的理论基础，并自此促进了MAB、BO和BED这些独立研究领域的交叉融合，“他说道。

Seeger的合著者包括现任10xGenomics计算生物学家的Niranjan Srinivas、现任苏黎世联邦理工学院计算机科学教授的Andreas Krause，以及现任华盛顿大学计算机科学与统计系教授的Sham Kakade。

这篇获奖论文由ICML大会主席David Blei和程序委员会联合主席Aarti Singh与Hal Daumé III在咨询奖项委员会后选出。在宣布该奖项时，他们表示：“这篇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结合在一起，提出了一种新颖的方法，通过互信息增益量推导有限样本遗憾界。过去十年来，这篇论文产生了深远影响，包括方法本身、使用的证明技术以及实际成果。这些都通过激发从理论到实践的无数后续工作的创造力，丰富了我们的社区。”

Seeger在某中心担任科学家已超过六年；他是某中心SageMaker背后的首席科学家之一，这是一项某机构云服务，为每位开发人员和数据科学家提供了快速构建、训练和部署机器学习模型的能力。他还为自动模型调优和某中心SageMaker Autopilot背后的科学和技术做出了贡献。Seeger担任ICML 2020新人联合主席和最佳论文奖委员会成员。他持续发表研究成果。

在今年的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》。在论文摘要中，作者表示：“虽然在黑盒设置中标准的成本感知启发式方法是通过成本对采集函数进行归一化，但我们表明这通常表现不佳，并采用了不同的方法，在昂贵评估之前安排更便宜的评估。我们通过两种改进的启发式方法实现这一点：成本效益初始设计和成本冷却优化阶段，该阶段随着迭代的进行对学习到的成本模型进行折旧。”

ICML 2020于7月12日至18日举行。最初计划在奥地利维也纳举行，该会议将完全以虚拟形式进行。关于某中心在ICML 2020上活动的更多信息将很快在我们的会议页面上提供。