NeurIPS 2022最佳論文重磅公佈！斯坦福大學成功「衛冕」，李飛飛高徒榜上有名

新智元報道

編輯：Cris

【新智元導讀】NeurIPS'22最佳論文公佈！快來看看，又有哪些研究機構「中獎」了？

一年一度的國際人工智能頂會NeurIPS，全稱神經信息處理系統進展大會（Neural Information Processing Systems），通常在每年12月份舉辦。

今年已經是NeurIPS舉辦的第36屆，從11月28日開始共進行兩週：第一週在美國新奧爾良舉行，第二週則轉爲線上會議。

作爲正式開會的「前菜」，按照慣例NeurIPS組委會會正式公佈獲獎論文名單，三項大獎分別是傑出論文獎（Outstanding Papers）、傑出數據集和基準論文獎（Outstanding Datasets and Benchmarks Papers）和時間檢驗獎（Test of Time Award）。

作爲目前全球最負盛名的人工智能盛會之一，今年NeurIPS共收到了10411篇論文，其中2672篇在審查後獲得接收，接收率僅爲25.6%。

而能夠最終獲獎的論文，更是堪稱萬里挑一，完全能代表當今神經科學和人工智能研究的最高水平。

在獲獎名單上，今年共有13篇論文獲得傑出論文獎，數量是去年（6篇）的兩倍；傑出數據集和基準論文獎和時間檢驗獎分別頒發了2篇和1篇，數量與去年持平。

根據NeurIPS的評語，委員會之所以選擇這些論文，是因爲它們「具有出色的創造力、洞察力、清晰度和改變世界的潛力」。

在獲得傑出論文獎的13篇中，有3篇論文由華人團隊提供，有2項成果更是由「全華班」完成。

值得一提的是，獲得傑出數據集和基準論文獎的，由美籍華裔院士、斯坦福大學教授李飛飛的兩位弟子範麟熙（Linxi Fan，一作）和朱玉可（Yuke Zhu，聯合advisor）等人完成。

NVIDIA AI研究科學家範麟熙

這篇文章通過引進一種建立在《我的世界》遊戲中的新框架MineDojo，提出了一種新穎的代理學習算法，能夠解決以自由形式語言指定的各種開放式任務。

本年度獲獎的16篇獲獎論文中，有4篇都有斯坦福大學的研究員參與，而在2021年的評選中，他們同樣有3篇入選。在人工智能研究領域，這所美國頂級名校的領先優勢可見一斑。

最後，每年評選最有趣的獎，莫過於專門對古早時期論文進行評選的時間檢驗獎。

去年這一獎項由普林斯頓大學的研究員獲得，今年則頒發給了多倫多大學的Alex Krizhevsky、Ilya Sutskever和Geoffrey E. Hinton於2012年發表的成果《ImageNet Classification with Deep Convolutional Neural Networks》。

在獲獎原因中，NeurIPS的評委寫道，「作爲第一個接受ImageNet挑戰訓練的CNN，這項2012年的研究遠遠超過了當時最先進的技術，開啓了新一波深度學習浪潮，並對機器學習社區影響深遠。」

傑出論文獎

1、Is Out-of-Distribution Detection Learnable?

（Zhen Fang、Yixuan Li、Jie Lu、 Jiahua Dong、Bo Han、Feng Liu）

2、Photorealistic Text-to-Image Diffusion Models with Deep Language Understanding

（Chitwan Saharia、William Chan、Saurabh Saxena等）

3、Elucidating the Design Space of Diffusion-Based Generative Models

（Tero Karras、Miika Aittala、Timo Aila、Samuli Laine）

4、ProcTHOR: Large-Scale Embodied AI Using Procedural Generation

（Matt Deitke、Eli VanderBilt、Alvaro Herrasti等）

5、Using natural language and program abstractions to instill human inductive biases in machines

（Sreejan Kumar、Carlos G. Correa、Ishita Dasgupta等）

6、A Neural Corpus Indexer for Document Retrieval

（Yujing Wang、Yingyan Hou、Haonan Wang等）

7、High-dimensional limit theorems for SGD: Effective dynamics and critical scaling

（Gerard Ben Arous、Reza Gheissari、Aukosh Jagannath）

8、Gradient Descent: The Ultimate Optimizer

（Kartik Chandra、Audrey Xie、Jonathan Ragan-Kelley等）

9、Riemannian Score-Based Generative Modelling

（Valentin De Bortoli、 Emile Mathieu、Michael John Hutchinson等）

10、Gradient Estimation with Discrete Stein Operators

（Jiaxin Shi、Yuhao Zhou、Jessica Hwang等）

11、An empirical analysis of compute-optimal large language model training

（Jordan Hoffmann、Sebastian Borgeaud、Arthur Mensch等）

12、Beyond neural scaling laws: beating power law scaling via data pruning

（Ben Sorscher、Robert Geirhos、Shashank Shekhar等）

13、On-Demand Sampling: Learning Optimally from Multiple Distributions

（Nika Haghtalab、Michael Jordan、Eric Zhao）

傑出數據集和基準論文獎

1、LAION-5B: An open large-scale dataset for training next generation image-text models

（Christoph Schuhmann 、 Romain Beaumont 、 Richard Vencu等）

2、MineDojo: Building Open-Ended Embodied Agents with Internet-Scale Knowledge

（Linxi Fan、Guanzhi Wang、Yunfan Jiang等）

時間檢驗獎

1、ImageNet Classification with Deep Convolutional Neural Networks

（Alex Krizhevsky 、 Ilya Sutskever、Geoffrey E. Hinton）

詳細獲獎名單可見：

https://blog.neurips.cc/2022/11/21/announcing-the-neurips-2022-awards/

參考資料：

https://jimfan.me/

https://arxiv.org/pdf/2206.08853.pdf

https://developer.nvidia.com/blog/building-generally-capable-ai-agents-with-minedojo/