点击关注，快速拿捏更多计算机SCI/CCF发文资讯～
🎉 NeurIPS 2024 接收论文名单揭晓！ 🎉
新一年的NeurIPS大会再一次聚焦全球最前沿的人工智能和机器学习研究。
各领域的学者们从数千篇投稿中脱颖而出，成功进入此次大会，展示了无数创新和突破性的研究成果。
下面是部分中稿文章：
上下滑动查看
热门主题与研究趋势
深度学习模型的新架构、多模态学习的崛起、可解释性AI的进一步探索，以及大规模语言模型的创新应用。
今年更注重应用性和可持续AI研究，特别是在数据效率和模型节能方面取得了进展。
NeurIPS会议论文接受率
📅NeurIPS 2024：NeurIPS投稿数量达到15,671篇，创下新高，具体的接受情况和细节尚未公布。
📅NeurIPS 2023：总投稿数为12,345篇，接受率为26.07%。其中，仅有67篇被选为Oral Presentation，占比0.54%，展示了极高的学术门槛。
📅NeurIPS 2022：共收到10,411篇投稿，接受率为25.66%。当年有183篇论文入选Oral Presentation，占比1.76%。
总体来看，投稿量逐年增加，但接受率和被选为Oral的比例保持稳定，反映了NeurIPS严格的论文筛选标准和其对高水平研究的持续追求。
NeurIPS文章尝鲜
小图给大家带来两篇Oral论文尝鲜～
论文简介：
这篇论文提出了一种新的优化策略，称为“无调度学习”，它旨在摆脱传统的学习率衰减方案，动态地调整训练进程。通过这种方法，模型无需预设学习率计划，优化过程可以更加自适应，从而实现或超越现有技术的表现。作者在SGD和AdamW优化器上的实验结果表明，该方法可以有效地提高训练性能和效率。
论文简介：
本文研究了如何高效学习扩散过程。现有的方法通常依赖复杂的双层优化问题，并主要处理系统的漂移项。作者提出了一种新模型“JKOnet”，它避免了传统架构的复杂性，同时显著增强了表示能力，能够恢复扩散过程中的势能、相互作用能和内部能量组件。JKOnet通过简单的二次损失函数进行训练，具有闭式最优解，在实践中远超其他基准模型。该方法基于将扩散过程视为概率空间中能量最小化轨迹，并利用了JKO方案和最近的概率空间优化理论。
需要更多信息可以在后台戳戳图图哦！
PS. 文中NeurIPS 2024 Accepted Paper List出处来自：https://papercopilot.com/paper-list/neurips-paper-list/neurips-2024-paper-list/
听说点击“在看”的宝子们已经拿到ACCEPT啦！⬇️
