会前预热
大语言模型
雷峰网 · Guangwei.mai · 2026-06-16
原文作者:公众号“Today读什么”
原文链接:https://mp\.weixin\.qq\.com/s/BrsWJJAv22qHVa\_gfv2cpg
一张照片被压缩、噪声、暗光和模糊破坏后,多模态模型仍然可以写出一段逻辑完整的分析。但分析越流畅,不代表它看到的证据越充分:车头朝向已经模糊,模型仍能解释车辆为何“直行”;公交车轮廓已经重叠,它依然可以自信地数出三辆。
过去的方...
会前预热
具身智能
雷峰网 · Guangwei.mai · 2026-06-16
原文作者:公众号“香港中文大学深圳人工智能学院”
原文链接:https://mp.weixin.qq.com/s/5EiYIXjB9mPusjCEvdr7xA
近日,香港中文大学(深圳)人工智能学院荆炳义、尹峰教授和数据科学学院、人工智能学院双聘助理教授贺品嘉教授团队的6篇论文被机器学习领域顶级会议ICML 2026接收。
国际机器学习大会ICML(International Conf...
会前预热
大语言模型
雷峰网 · Guangwei.mai · 2026-06-16
前言
腾讯犀牛鸟精英人才计划定位拔尖科研人才的产学联合培养。自2017年开展以来,项目每年开放新技术研发中的关键难题,选拔具备科研潜力的优秀学生,在校企双导师联合指导下开展前沿探索与应用创新。
依托真实产业场景,同学们在科研探索与技术实践中不断锻炼创新研究能力,并形成了一系列高水平研究成果。本文分享入选 ICML的三篇论文,分别围绕高效模型蒸馏、长上下文推理和稀疏视角视频生成等技术方...
会前预热
具身智能
雷峰网 · Guangwei.mai · 2026-06-16
原文作者:公众号“深圳市大数据研究院”
原文链接:https://mp.weixin.qq.com/s/ex36drATo7qIy_MwFFp5hA
近日,深圳市大数据研究院四项科研成果同时发表于第43届国际机器学习大会(International Conference on Machine Learning, ICML)。
会议介绍
国际机器学习大会(International C...
会前预热
大语言模型
雷峰网 · Guangwei.mai · 2026-06-15
来源:公众号“PaperWeekly”
原文链接:https://mp\.weixin\.qq\.com/s/DNji8Z9tgNZcMW3oeMW\-bw?scene=1&click\_id=29
对于刚结束前两天 ACL 投稿的同学来说,现在或许正准备一鼓作气,将手头剩下的工作,或者没赶上 ACL 的存货转投 ICML。
此时此刻,各大实验室里应该都在进行最后的实验收尾、微...
会前预热
大语言模型
雷峰网 · Guangwei.mai · 2026-06-15
作者丨潘黎铖
* *
在大语言模型对齐研究中,一个看似自然、却值得重新审视的问题长期存在:
一方面,RLHF、RLAIF、GRPO等方法不断推动模型对齐能力演进;另一方面,奖励模型训练...
会前预热
大语言模型
雷峰网 · Guangwei.mai · 2026-06-15
来源:公众号“专知”
原文链接:https://mp\.weixin\.qq\.com/s/wKPyQKCqzNw9a2FyhcEAxg?scene=1&click\_id=26
大语言模型智能体进入真实环境后,常常需要连续完成一组相关任务:与同一用户长期协作、反复调用工具、持续探索一个环境,或者多轮面对具有稳定行为模式的对手。此时,真正重要的不只是模型能否完成单次任务,而是它能...
会前预热
大语言模型
雷峰网 · Guangwei.mai · 2026-06-15
来源:公众号“PaperAgent”
原文链接:https://mp\.weixin\.qq\.com/s/ECLRTHebLtIfjmZhbaJ4hA?scene=1&click\_id=24
来源:公众号“PaperAgent”
原文链接:https://mp\.weixin\.qq\.com/s/ECLRTHebLtIfjmZhbaJ4hA?scene=1&c...
会前预热
强化学习
雷峰网 · Guangwei.mai · 2022-08-03
近日,备受关注的第十九届机器学习国际会议(ICML 2022)在美国马里兰州巴尔的摩市举办。自新冠疫情以来,大会首次恢复线下形式,采取线上线下结合的方式举办。
本届大会共收到5630 篇投稿,其中,1117 篇被接收为short oral,118篇被接收为long oral。接收率为21.94%,与以往几年基本持平。前几日,本届大会的全部奖项公布,共评选出15 篇杰出论文奖和 1 项时...
会前预热
计算机视觉
雷峰网 · Guangwei.mai · 2021-08-31
作者 | 任洁
编辑 | 王晔
随着深度神经网络的应用日益广泛,可解释性也逐渐受到更多学者的关注。目前对神经网络的可解释性研究主要分为两个方面,一方面是语义层面的解释,另一方面是数学层面对网络表达能力推导。
在语义层面,最直接的方法是可视化神经网络的中层特征,同时很多研究也致力于估计输入样本中不同单元对于神经网络输出的重要性(attribution/importance/salie...