微软研究院在IJCAI2016的Tutorial上讲述了自己将深度学习、深度神经网络应用于不同场景的情况，之前第一部分提到了其应用于语义理解上的一些经验和收获，本文为第二部分。 联合编译：Blake、章敏、陈圳 统计机器翻译（SMT）包括： l 统计结果 l 来源渠道模型 l 翻译模型 l 语言模型 l 对数线性模型 l 评价指标：BLEU分数（越高越好） 基于短语的统计机器翻译（SMT）将...

微软研究院在IJCAI2016第一天的Tutorial上讲述了自己将深度学习、深度神经网络应用于语义理解上的一些经验和收获。作为小娜和小冰的开发者，微软在自然预言语义理解上的造诣无疑是很高的。而早在一月就将其深度学习开发工具包CNTK开源的举动也表明微软确实希望促进人工智能的发展。这次就让我们通过Tutorial上演讲PPT的概览部分，看看微软在他们最擅长的语义识别领域会分享给我们一些什么样...

来源：公众号“清华大学智能法治研究院” 原文链接：https://mp.weixin.qq.com/s/QyCaNdHyJC2OBH9ubx7hAg?scene=12026年8月15日至21日，第35届国际人工智能联合会议（IJCAI-ECAI 2026）将于德国不来梅举行。清华大学计算法学课题组完成的1篇论文被录用。IJCAI-ECAI（International Joint Confer...

当大语言模型化身为智能体走向真实世界，它们面临的困境，与十年前在十字路口指挥交通的强化学习模型如出一辙。 作者丨岑峰 幸丽娟 编辑丨岑峰 在通往 AGI 的浪潮中，基础模型智能体（Foundation Model Agents）正以前所未有的速度接管各种任务。业界曾普遍乐观地认为，凭借大模型海量的预训练知识，智能体可以无缝适应各种真实场景。 但在现实中，当我们将一个在英文语境下表现完美的智能...

面对大模型规模与硬件内存之间高达20倍的算力鸿沟，不重训的“1比特量化”如何把千亿参数的硅基大脑塞进微型设备？ 编辑丨岑峰 在 AGI 的狂飙之路上，大语言模型（LLM）正以一种近乎野蛮的“规模法则（Scaling Law）”吞噬着算力与数据。然而，当这些拥有千百亿参数的硅基大脑试图从云端降临到手机、汽车甚至植入式医疗设备时，却撞上了一堵难以逾越的“内存墙”：过去几年，模型参数规模的暴涨速度...

小小模型容器和巨大的智能世界。 作者丨吴思梦 编辑丨岑 峰 1986年，MIT 教授，也是 MIT Artificial Intelligence Laboratory 的重要创始人之一的Marvin Minsky 出版《The Society of Mind》，提出了一个后来影响深远的想法：所谓“智能”，并不一定来自某一个无所不能的“大脑”，而可能来自许多不同的 agents，通过分工、连...

来源：图谱学宛 原文链接：https://mp.weixin.qq.com/s/1l4nJqwjSY74CR5P-b5QRQ 北京大学数据管理实验室钟嘉伦关于罕见病多智能体系统的论文《RareDASH: A Dynamic Multi-Agent System for Holistic Rare Disease Care》被 IJCAI 2026 Demonstration Track接收。...

2026 年 8 月 15 日至 21 日，第 35 届国际人工智能联合会议（IJCAI 2026）即将在德国“航天之都”不莱梅（Bremen）举行。 作为 AI 领域历史最悠久、最强调理论深度的顶级盛会，IJCAI 在很多从业者眼中是“System 2（慢思考）”的代名词。但在 2026 年，这场远在欧洲的学术聚会，却因为一组特殊的信号，正紧紧牵动着大洋彼岸中国产业界的神经。 这是 CCF...

真正的智能，在于能否基于有限的数据，实现可靠的泛化与迁移。 作者丨张璐 编辑丨岑峰 幸丽娟 高质量标注数据快用完了，算力贵得离谱，黑盒依然无解。 大模型时代信奉的 Scaling Law，正在面临多重瓶颈。 更麻烦的是另一件事：很多任务天生就没有大数据——药物研发、冷启动推荐、科学探索。这些不是技术的短板，是世界的常态。 在IJCAI 2026大会的 Early Career Spotlig...