NeurIPS 2023某中心机器学习论文速览

本文概述了某机构在NeurIPS 2023会议上发表的机器学习研究成果,涵盖代码生成、联邦学习、人机交互、优化算法、隐私保护、表格数据处理、时间序列预测和视觉语言模型等多个前沿技术领域,特别聚焦强化学习的创新应用。

代码生成

大型代码语言模型在完成潜在缺陷代码时的失败案例
Tuan Dinh, Jinman Zhao, Samson Tan, Renato Negrinho, Leonard Lausen, Sheng Zha, George Karypis

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
Jiaxin Bai, Xin Liu, Weiqi Wang, Chen Luo, Yangqiu Song

复杂事件查询示例及其计算与信息原子。V表示某人投诉并离开餐厅前发生的事件;根据知识图谱,V可能是"服务差"或"食物差"。若V?是V的原因,则根据图谱,V?可能是"员工是新人"、“PersonY添加番茄酱”、“PersonY添加酱油"或"PersonY添加醋”。但查询中已知"PersonY添加醋"未发生,且"PersonY添加酱油"发生在"食物差"之后,故不能作为"食物差"的原因。(摘自《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
Justin Weltz, Tanner Fiez, Eric Laber, Alexander Volfovsky, Blake Mason, Houssam Nassif, Lalit Jain

联邦学习

联邦多目标学习
Haibo Yang, Zhuqing Liu, Jia Liu, Chaosheng Dong, Michinari Momma

人机交互

Alexa竞技场:以用户为中心的具身AI交互平台
Qiaozi (QZ) Gao等研究人员

优化算法

Bounce:组合与混合空间的高可靠高维贝叶斯优化
Leonard Papenmeier, Luigi Nardi, Matthias Poloczek
条件随机优化的去偏方法
Lie He, Shiva Kasiviswanathan
基于φ散度的分布鲁棒贝叶斯优化
Hisham Husain, Vu Nguyen, Anton van den Hengel

序数分类

序数分类的 conformal 预测集
Prasenjit Dey, Srujana Merugu, Sivaramakrishnan (Siva) Kaveri

隐私保护

创建私有数据连接的公共存储库
James Cook, Milind Shyani, Nina Mishra

存储库问题的风格化示意图。发送方S上传包含癌症患者信息的私有计数草图,接收方R使用该草图用噪声版本的S癌症列装饰其数据(人员工作地点)。生成两个噪声列:癌症(+1)和非癌症(-1)。R可据此构建机器学习模型,预测在有毒废物场附近工作的员工是否更易患癌症。(摘自《创建私有数据连接的公共存储库》)

通过分位数回归实现可扩展成员推断攻击
Martin Bertran Lopez, Shuai Tang, Michael Kearns, Jamie Morgenstern, Aaron Roth, Zhiwei Steven Wu

实时统计估计

在线鲁棒非平稳估计
Abishek Sankararaman, Balakrishnan (Murali) Narayanaswamy

推荐系统

通过属性模式增强基于会话推荐中的用户意图捕获
Xin Liu, Zheng Li, Yifan Gao, Jingfeng Yang, Tianyu Cao, Zhengyang Wang, Bing Yin, Yangqiu Song

强化学习

离线RL的反事实预算方法
Yao Liu, Pratik Chaudhari, Rasool Fakoor
有限时间对数贝叶斯遗憾上界
Alexia Atsidakou, Branislav Kveton, Sumeet Katariya, Constantine Caramanis, Sujay Sanghavi
深度RL中的优化器重置:实证研究
Kavosh Asadi, Rasool Fakoor, Shoham Sabach
TD收敛:优化视角
Kavosh Asadi, Shoham Sabach, Yao Liu, Omer Gottesman, Rasool Fakoor

负责任AI

通过文本转语音改进非典型语音语言理解的公平性
Helin Wang等研究人员

表格数据

表格深度学习的归纳偏置
Ege Beyazit, Jonathan Kozaczuk, Bo Li, Vanessa Wallace, Bilal Fadlallah
HYTREL:超图增强的表格数据表示学习
Pei Chen, Soumajyoti Sarkar, Leonard Lausen, Balasubramaniam Srinivasan, Sheng Zha, Ruihong Huang, George Karypis

将表格建模为超图的示例。单元格构成节点,每行、每列及整个表格的单元格形成超边。表格标题和列名提供表格及列超边的名称。超图保持表格的四个结构特性——即行/列排列会产生相同的超图。(摘自《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:概率时间序列预测的自引导扩散模型
Marcel Kollovieh等研究人员
PreDiff:潜在扩散模型的降水临近预报
Zhihan Gao等研究人员

视觉语言模型

基于两万个类别的开放词汇视觉识别提示预训练
Shuhuai Ren等研究人员
表征存于网络中:大规模模型的可组合并行适配
Yonatan Dukler等研究人员

comments powered by Disqus
使用 Hugo 构建
主题 StackJimmy 设计