- ICLRSynFlowNet: 朝着具备保证的合成途径的分子设计
基于生成模型的分子生成模型在药物发现方面取得了突破。通过使用具有化学验证的反应和反应物的动作空间,SynFlowNet 模型能够构建具有合成可行性的新分子,并且在多样性和高效性方面表现出色。
- ICLR修正生物和人工神经网络中偏差的中心核对齐度测量
利用 fMRI 和 MEG 数据,本文揭示了如果在低数据高维度领域中使用偏向 CKA 作为对齐度量标准,则它们由于偏向 CKA 对不同特征 - 样本比率的敏感性而无法直接比较,结果将高度相似,甚至对于随机矩阵对。只有使用去偏 CKA 才能实 - ICLRPlan-Seq-Learn: 语言模型引导强化学习解决长时程机器人任务
利用大型语言模型(LLMs)和运动规划,提出了一种模块化方法 Plan-Seq-Learn(PSL),将抽象语言和学习到的低级控制相结合,从头开始解决长期目标的机器人任务,并在超过 25 个具有挑战性的机器人任务中取得了最先进的结果。
- ICML通过速率约束的变分自编码器净化无法学习的示例
我们提出了一种新的预训练净化方法,利用离散变分自动编码器(D-VAE)来解缠扰动,并采用两阶段净化方法,以消除扰动并在各种情景下确保有效性和鲁棒性。
- ACL建模对话中的共情调和
通过计算实验,我们向你介绍了一种基于评价理论的识别共情言语中对齐过程的新方法,并证明了这些评价和对齐可以被准确地识别。在超过 9.2M 的 Reddit 会话实验中,我们发现评价能够捕捉行为的有意义的分组,但大多数回应的对齐程度很小。然而, - SIGIR大规模流式密集检索的格子衬衫
PLAID SHIRTTT 是 ColBERT 的扩展版本,使用预训练语言模型实现了高效的排名。通过多阶段的增量索引和层次分片,解决了 PLAID 在流式场景下性能下降的问题,并在不同规模和多语言环境下进行了有效性验证。
- ICML去中心化学习中相关噪音的隐私保护能力
本文提出了 Decor,它是一种具有差分隐私保证的分散式 SGD 变体,通过一轮通信中安全地交换随机种子来生成成对抵消的相关高斯噪声,以保护每一轮通信中的本地模型,并在理论上和实践上证明 Decor 在任意连通图中匹配了中心化差分隐私的最佳 - CVPRATOM: 高效数据集提炼的关注力混合器
利用 ATtentiOn Mixer (ATOM) 模块在特征匹配过程中使用混合的通道和空间注意力,以有效地精炼大型数据集,从而在各种计算机视觉数据集中展现出卓越的性能。
- CVPRLocInv: 文本指导图像编辑中的定位感知反转
基于 T2I 扩散模型,本研究提出了一种局部感知反演(LocInv)方法,通过利用分割地图或边界框作为额外的定位先验,精确修正扩散过程中的交互关注图,使其与文本提示中的正确名词和形容词单词紧密对齐,从而实现对特定对象的细粒度图像编辑,并防止 - SIGIR多语言信息检索中的语言公平性
提议一种语言公平度量标准,用于评估多语言信息检索系统在对不同语言的文档进行排序时是否存在公平性,并通过 Kruskal-Wallis 测试进行统计等价性检验。通过人工排名列表和实际检索系统的评估,得出 PEER 得分与以往对多语言信息检索系 - ICML社区不变的图形对比学习
图社群在图增强中的关键性优势以及基于图谱变化最大化的社群不变图对拓扑和特征增强的统一约束,提高模型的鲁棒性。
- ICML关于为何应将表格基础模型作为研究优先事项
近期的文本和图像基础模型受到了极大的关注,本文旨在将机器学习研究社区的重点稍稍转向不同的模态:表格数据。表格数据是许多领域的主要模态,但在规模和能力方面明显落后,我们认为现在是开发表格基础模型(或我们所称的大型表格模型)的时候了。大型表格模 - COLINGDMON:一种简单而有效的论证结构学习方法
我们开发了一种名为双塔多尺度卷积神经网络(DMON)的简单而有效的方法来解决论证结构学习(ASL)任务的困难,通过将论点组织成关系矩阵,与论点嵌入形成关系张量,并设计一种机制来捕捉上下文论点之间的关系,在三个不同领域的论证挖掘数据集上的实验 - ICML可证明高效的对抗性不安静多臂赌博机强化学习:未知转换和赌博机反馈
通过使用一种创新的偏置对抗性奖励估计器和低复杂度指标策略,我们开发了一种新颖的强化学习算法来解决具有未知转换函数和敌对奖励的周期性不安定性多臂赌博机问题,以最大化总的敌对奖励,并确保在每个决策阶段满足瞬时激活约束条件,我们的算法在我们所考虑 - ICLR利用动量增强越狱攻击
通过在渐变启发式中引入动量项,我们提出了动量加速 GCG(MAC)攻击,以稳定优化过程并从先前迭代中获取更多启发式见解,实验结果展示了 MAC 在基于渐变的攻击中对齐语言模型的显著增强。
- ICLRCromSS:面向遥感图像分割的带有噪声标签的跨模态预训练
我们研究了在多模态学习框架中,利用噪声标签 y 对语义分割模型进行预训练的潜力,针对地理空间应用。具体而言,我们提出了一种新颖的交叉模态样本选择方法(CromSS),利用给定地理空间场景的多个传感器 / 模态 d 模拟的像素 x 和类别 c - IJCAIMFTraj: 自主驾驶的无地图、行为驱动轨迹预测
这篇论文介绍了一种适用于自主驾驶的轨迹预测模型,重点是在动态交通场景中捕捉复杂的交互作用,而无需依赖高清地图。该模型被称为 MFTraj,利用历史轨迹数据结合新颖的基于动态几何图的行为感知模块。在其核心部分,一种自适应的结构感知交互图卷积网 - ICLRS$^2$AC:基于能量的 Stein Soft Actor Critic 强化学习
学习表达性随机策略而不是确定性策略已经被提出,以实现更好的稳定性、采样复杂度和鲁棒性。我们提出了 Stein Soft Actor-Critic (S^2AC),这是一种能够高效学习表达性策略的最大熵强化学习算法,通过使用参数化的 Stei - ICMLX-Oscar: 高质量文本引导的 3D 动态化头像生成的渐进式框架
提出了 X-Oscar,一个用于从文本提示生成高质量、可动画化的头像的渐进式框架,采用顺序几何 -> 纹理 -> 动画的范式,通过逐步生成简化了优化过程。通过引入自适应变分参数 (AVP) 来解决过度饱和问题,在训练过程中将头像表示为自适应 - ICML图转换器中的过度全局化问题:精简即效果提升
我们在这篇论文中挑战了图变换器的全局化特性是否总是有益的观点,揭示了图变换器中的全局化问题,提出了一种新颖的双层全局图变换器与协作训练模型,以解决这一问题,并通过大量实验证明了我们提出的 CoBFormer 的有效性。