4. 迭代反馈训练阶段：研究人员首先通过拒绝采样获取样本，通过 CycleReviewer 的打分构成偏好对，两个模型相互配合，通过强化学习的方式不断优化，CycleResearcher 根据 CycleReviewer 的反馈不断改进自身的论文生成策略，CycleReviewer 则根据 CycleResearcher 生成的论文不断提高自身的评审能力。然后，它会交替生成论文的大纲和正文，确保逻

点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！点击阅读原文观看作者讲解回放！本篇论文的工作已被NeurlPS（Conference on Neural Information Processing Systems）2024 会议接收。本文作者主要来自国家信息中心、牛津大学、北京理工大学、同济大学、中国科学技术大学等。本文的主要作者也是NeurIPS 2023 FreTS和Fouri..

点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！哔哩哔哩直播通道扫码关注AITIME哔哩哔哩官方账号预约直播12月12日15:00-16:00个人简介：吴秉阳北京大学二年级博士生，导师为金鑫研究员。研究方向为机器学习系统、视频会议和服务器无感知计算。相关研究工作发表在SIGCOMM、NSDI、ISCA和TPDS等会议及期刊上。报告题目：XRON:AHybridElasticCl...

点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！以下文章来自知乎 栾思焘：文章：When Do Graph Neural Networks Help with Node Classification? Investigating the Impact of Homophily Principle on Node Distinguishability.（????链接：https://zhu

点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！栾思焘：麦吉尔大学&Mila博士生，研究方向为图神经网络和图表示学习01同配(Homophily) v.s. 异配(Heterophily)近几年实验发现，在很多图上做节点分类的时候，图神经网络(GNNs)并不比传统的神经网络(NNs)表现更好，甚至会有很严重的性能下降。人们普遍认为这是图的异配(heterophily)问题导致的.

点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！2022年11月10日，由国际科技信息中心主办，AI TIME承办的全球青年科学家Talk “逐步公平性约束下的强化学习”, 邀请了来自卡内基梅隆大学计算机学院的教授吴志威，哥伦比亚大学博士后研究员邓准，带来关于强化学习的前沿研究分享。本期Talk共吸引了约1.8万专业领域观众观看。现代社会中，人工智能算法无处不在，被应用于信贷，就业和住房

点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！劳颖捷：现任克莱姆森大学电气和计算机工程系助理教授。从浙江大学和明尼苏达大学获得学士和博士学位。研究方向包括机器学习安全和隐私，网络安全，对人工智能和密码学的硬件加速，硬件安全，硬件架构与设计。获得美国国家科学基金会杰出青年职业奖（NSF CAREER）和多个最佳论文奖。随着深度神经网络(DNN) 的发展，模型构建的复杂性也急剧增加。因此保

点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！余兆宁：爱荷华州立大学博士生，导师为Hongyang Gao教授，主要研究方向为图深度学习，可解释性分析。主页：https://zhaoningyu1996.github.io/图神经网络已广泛用于分子图的特征表示学习。然而，大多数现有方法单独处理分子图，忽略分子图之间的关联，例如通过共有子图（motif）建立的关系。针对这个问题， 我们

点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！对神经网络进行低精度量化，尤其是混合精度量化，是提升神经网络部署效率的重要方法之一。然而，如何让神经网络适应低精度的表示，如何选取最合适的量化精度，依然存在很多没有解决的问题。本报告将从两方面探讨低精度神经网络的训练方法。为了获得最优的量化精度，我们提出了BSQ比特稀疏量化算法，使模型能在训练过程中自发得到合适的混...

点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！GNN 旨在学习单节点表示。当我们想要学习一个涉及多个节点的节点集表示（如链路表示）时，以往工作中的一个常见做法是将 GNN 学习到的多个单节点表示直接聚合成节点集的联合表示。在本文中，我们展示了这种方法的一个基本缺陷，即无法捕获节点集中节点之间的依赖关系，并论证了直接聚合单节点表示不能得到多节点集合的有效联合表示...