ICLR 2024录用率31%！北大张铭、田渊栋、ResNeXt一作谢赛宁等大佬晒出成绩单

新智元报道

编辑：桃子 好困

【新智元导读】一年一度的ICLR顶会录用结果公布了！今年共7000多篇投稿论文，录用率31%。

ICLR 2024录用结果出来了。

昨晚，AI圈的童鞋们收到ICLR官方推送的录用邮件后，纷纷晒出了成绩单。

邮件显示，今年ICLR 2024组委会共收到了7262篇投稿，总体录用率约为31%，与去年相似（2023年总投稿数5000）。

其中spotlights论文的录用率为5%（约有363篇），Oral论文的录用率为1.2%（约有85篇）。

ICLR提交的论文主题大致包括：700篇有扩散，NeRF少于100篇，900多篇大模型，100多篇ChatGPT（8篇Bard，16篇Claude)，170篇关于Llama，200篇CLIP，200篇NLP，大约750篇视觉研究。

第12届ICLR 2024将在5月7日-11日在奥地利维也纳开幕。

ICLR由图灵奖巨头Yoshua Bengio和Yann LeCun牵头举办，是国际公认的深度学习顶会之一。2013年开启了第一届，一年举办一次。

ICLR的影响力也是逐渐得到广泛学者的认可。在谷歌期刊排名中，ICLR位列第十。

一起看看，ICLR接收的论文都有哪些？

华人学者晒出成绩单

Meta AI的科学家田渊栋发文称，自己团队共有4篇论文被ICLR接收，其中一篇H-GAP还是spotlight。

论文地址：https://arxiv.org/pdf/2307.12950.pdf

论文地址：https://arxiv.org/pdf/2312.02682.pdf

论文地址：https://arxiv.org/pdf/2309.17453.pdf

论文地址：https://arxiv.org/pdf/2310.00535.pdf

曾与何恺明共同提出ResNeXt架构的CV大神谢赛宁的一篇论文被录用为spotlight。

论文地址：https://arxiv.org/pdf/2309.16671.pdf

北大张铭教授发文祝贺祝贺组里博士沈剑豪、袁野，硕士留学生Srbuhi Mirzoyan跟华盛顿圣路易斯大学王晨光老师（2011-2016我组博士生）合作的论文被机器学习顶会ICLR 2024接受。

这篇论文引入了一个新的挑战来测试神经模型的STEM技能，需要理解多模态视觉语言信息。研究人员在数据集上测试了CLIP和ChatGPT等基础模型，它们只具备有限较低年级水平的技能（三年级的2.5%），远低于人类小学生（平均54.7%）的表现，更不用说接近专家水平的表现了。

论文地址：https://openreview.net/pdf?id=spvaV5LELF

值得一提的是，去年爆火的WizardLM和WizardCode模型的研究也被ICLR 2024接收了。

还有微软亚洲研究院团队提出的无模型视觉RL算法DrM被录用，无需任何专家示范或预先训练的知识，就能持续解决最难的运动和机器人操纵任务。

Oral论文85篇

UCLA五年级博士生Pan Lu关于MathVista的研究录用为Oral。

这篇研究构建了首个视觉场景下的数学推理基准，完成了112页的评估报告，首次对GPT-4V等12个大模型的数学推理能力进行了深入分析。

研究者称，多模态大模型的发展方兴未艾，数学推理领域未来可期，MathVista已经成为Google Gemini的多模态数学测试的基准之一。

还有来自霍普金斯大学的研究人员的论文也被ICLR 2024录用为oral，主要研究了了自监督3D模型在医学成像任务中的应用效果如何。

南加州大学的数学副教授Xiaohui Chen的论文「Statistically Optimal K-means Clustering via Nonnegative Low-rank Semidefinite Programming」获得Oral。

这是一种新的增强拉格朗日算法，用于解决K-means聚类问题的Burer-Monteiro公式。

一夜成名的智能体MetaGPT也录用为oral，目前Github有33.4k星。

普林斯顿等机构研究人员关于大模型微调对齐的研究被录用为ICLR 2024的oral论文。

大厂录用论文一览

每个大厂被ICLR 2024接收的研究都有哪些？

微软

微软亚洲研究院的高级研究员Jindong Wang带领团队的研究有2篇是Spotlight，还有2篇Poster。

Spotlight的两篇，一个是提出了对抗数据污染的LLM动态评估新方案DyVal，另一篇是基础模型时代的一个新的研究方向——噪声模型学习。

录用为Poster的一篇是LLM指令调优自动评测基准PandaLM，另一篇是关于小模型帮助LLM获得更好性能的研究。

苹果

苹果的机器学习研究院分享了团队2篇接收的论文。

第一篇提出了一种用于在Riemannian流形上学习连续函数的生成模型，通过利用流形的几何特性和内在坐标系的定义，能更好地捕捉函数的分布。

论文地址：https://arxiv.org/pdf/2305.15586.pdf

第二篇发现了从给定的单目视频，合成动态新视图的通用方法。

论文地址：https://arxiv.org/pdf/2310.08587.pdf

苹果团队另一篇关于扩散模型图像生成的研究也被录用。

他们提出来叫Matryoshka扩散模型新技术，一种专门用来生成高分辨率图像和视频的模型。

MDM的独特之处在于，通过使用NestedUNet架构，巧妙地将低分辨率的扩散过程融入到高分辨率的生成过程中。

论文地址：https://arxiv.org/pdf/2310.15111.pdf

谷歌

谷歌UNC等机构的研究人员提出了一个T2I全新评估框架，

论文地址：https://google.github.io/dsg/

谷歌团队的机器人研究RT-Trajectory成功被录用为Spotlight。

RT-Trajectory模型通过自动将描述机器人运动的视觉轮廓添加到其训练中，来学习如何遵循指令。

英伟达

英伟达自动驾驶团队的研究EmerNeRF，一种重建动态驾驶场景的方法被ICLR录用。

Meta

Meta团队成员在去年推出Habitat 3.0被录用。

Habitat 3.0是第一个支持在多样化、逼真的室内环境中，就人机交互任务进行大规模训练的模拟器

还有来自KAUST、Snap等团队提出了Magic123，是一个基于NeRF的单张图像生成3D mesh的深度学习框架。

目前已在Github收揽1.4k星，论文已有85篇引用。

参考资料：

https://twitter.com/iclr_conf