某机构NeurIPS 2023论文技术指南
在实验设计、人机交互、推荐系统和视觉语言模型等广泛主题中，强化学习成为特别关注的焦点。
代码生成
大型代码语言模型在完成可能存在错误的代码时表现不佳
复杂查询应答
基于隐式逻辑约束的事件知识图谱复杂查询应答
实验设计
异方差方差实验设计
联邦学习
联邦多目标学习
人机交互
Alexa Arena：以用户为中心的具身AI交互平台
优化算法
Bounce：组合和混合空间的可靠高维贝叶斯优化 条件随机优化的去偏方法 基于φ散度的分布鲁棒贝叶斯优化
序数分类
序数分类的保形预测集
隐私保护
创建用于连接私有数据的公共存储库 通过分位数回归实现可扩展的成员推理攻击
实时统计估计
在线鲁棒非平稳估计
推荐系统
通过属性模式增强基于会话的推荐中的用户意图捕捉
强化学习
离线RL的反事实预算 有限时间对数贝叶斯遗憾上界 深度RL中优化器重置的实证研究 TD收敛：优化视角
负责任AI
通过文本转语音改进非典型语音的语言理解公平性
表格数据
表格深度学习的归纳偏置 HYTREL：超图增强的表格数据表示学习
时间序列预测
预测、精炼、合成：自引导扩散模型用于概率时间序列预测 PreDiff：基于潜在扩散模型的降水临近预报
视觉语言模型
使用两万个类别进行提示预训练以实现开放词汇视觉识别 表示在网络中：大规模模型的可组合并行适配
这些研究涵盖了机器学习领域的多个重要方向，展示了在优化、隐私保护、表格数据处理和强化学习等方面的最新技术进展。