← ICML 各届
ICML 2024· International Conference on Machine Learning
ICML 2024
亮点精读
8 篇 · 获奖 / oral / 高引🏆 Best PaperOral
Discrete Diffusion Modeling by Estimating the Ratios of the Data Distribution
通过估计数据分布比率，提出离散扩散模型的新框架。
💡 统一并改进了离散扩散模型的训练方法。
Oral📈 4.1k 引用
Scaling Rectified Flow Transformers for High-Resolution Image Synthesis
通过缩放修正流变换器，实现高分辨率图像合成，提升生成质量与效率。
💡 推动扩散模型规模化，突破高分辨率图像生成瓶颈。
arXiv
Oral📈 607 引用
Unified Training of Universal Time Series Forecasting Transformers
提出统一训练框架，使单个Transformer模型适用于多种时间序列预测任务。
💡 打破任务壁垒，提升模型通用性与效率。
arXiv
Oral
Probabilistic Inference in Language Models via Twisted Sequential Monte Carlo
提出Twisted Sequential Monte Carlo方法，用于语言模型中的概率推理。
💡 提升语言模型推理的准确性和效率。
Oral
Position: Open-Endedness is Essential for Artificial Superhuman Intelligence
本文主张开放性是实现超人类人工智能的关键，并论证其必要性。
💡 挑战当前AI范式，指引未来研究方向。
Spotlight
Simple linear attention language models balance the recall-throughput tradeoff
提出用线性注意力替代softmax注意力，在保持召回率的同时提升吞吐量。
💡 首次证明线性注意力可平衡召回与吞吐，实用性强。
Oral
Stop Regressing: Training Value Functions via Classification for Scalable Deep RL
将价值函数训练转为分类问题，提升深度强化学习的可扩展性和性能。
💡 简化训练，提高稳定性与扩展性。
Spotlight
Allocation Requires Prediction Only if Inequality Is Low
证明仅当不平等程度低时，分配问题才需要预测，否则可直接优化。
💡 揭示预测与分配关系的理论边界。
全部论文
加载中…正在从 DBLP 加载全量论文…
全量索引来自 DBLP · 完整 proceedings 见 官方站点