ICML展会日：产学融合的机器学习研究
在某中心国际机器学习会议(ICML)上，某中心展示广告部门的高级应用科学经理Alice Zheng担任了展会日的联合主席。该活动为会议企业赞助商提供了展示最新研究和技术的平台。
产学研究的差异
“ICML展会演讲非常类似于主会议的研究演讲，但学术会议与行业会议存在明显差异，”Zheng表示，“学术会议中的赞助商通常是为了招聘人才，这改变了他们的展示方式和演讲内容。展会主席负责评审提案并决定是否接受，我们需要维持一定的质量水准：这些应该是研究性演讲，具有信息量，且与会议主题相关。”
ICML展会日分为三个轨道：一小时的研究演讲和演示，以及两个四小时的工作坊，让参会者亲身体验赞助商开发的新技术。
机器学习全周期管理
Zheng指出产学研究重点存在显著差异：“学术界更侧重于建模和数学，而机器学习开发和运营的全周期始于构思：提出问题并制定解决方案，进行离线和在线测试，迭代优化，最终获得有效方案。随后与工程团队合作实现稳健部署，并持续监控确保正常运行。”
“在学术界，即使是构思也较为固定——人们研究既定问题。重点在于提出新方法和新解决方案，随后进行轻量测试。这只占整个周期的五分之一。”
可解释AI的实际应用
从ICML展会主席的视角，Zheng观察到模型可解释性等学术趋势已开始在产业界扎根。
模型可解释性不仅是基础科学问题，也具有直接商业意义。“业务有时需要洞察力，这时可解释模型就是他们寻找的解决方案。通常需要某种方法来检查是否出现问题，这又回到了模型运营。”
在数字广告领域，可解释性需求尤为突出：“广告客户想知道‘如何提高广告效果？’他们试图理解这个黑盒系统，始终在寻找关于‘如何更好设置？什么真正驱动转化？’的洞察。”
“在运营模型时，我们也关注通用模型分析。例如，如果我们的转化率预测模型给销售消费品的广告赋予很高权重，因为客户可能每月购买卫生纸，而相机可能每两年购买一次。通过理解模型行为，我们能够发现问题并改进它。”
实践经验的传承
Zheng分享了她关于机器学习模型运营的演讲经历：“几年前我创建了关于运营机器学习模型的演讲，强调了评估和指标的重要性。在实习生研讨会上，学生们举手询问‘如何学习更多？哪里可以做更多这样的事情？’这正是产业研究擅长的领域。学术界没有相同数量或种类的应用数据。”