← NeurIPS 各届
NeurIPS 2022· Neural Information Processing Systems
NeurIPS 2022
亮点精读
8 篇 · 获奖 / oral / 高引🌟 Outstanding📈 8.5k 引用
Photorealistic Text-to-Image Diffusion Models with Deep Language Understanding
提出基于深度语言理解的逼真文本到图像扩散模型，显著提升图像生成质量。
💡 实现文本到图像的逼真生成，推动AI创意应用发展。
arXiv
📈 21.7k 引用
Training language models to follow instructions with human feedback
使用人类反馈微调语言模型，使其更好地遵循指令。
💡 显著提升模型的有用性和安全性。
arXiv
📈 19.3k 引用
Chain of Thought Prompting Elicits Reasoning in Large Language Models
提出思维链提示方法，引导大语言模型逐步推理，显著提升算术、常识等推理任务性能。
💡 简单提示即可激发模型复杂推理能力，无需额外训练。
arXiv
📈 7.3k 引用
Large Language Models are Zero-Shot Reasoners
通过添加“让我们逐步思考”提示，使大语言模型实现零样本推理。
💡 简单提示即可激发推理能力，无需示例。
arXiv
📈 6.0k 引用
Flamingo: a Visual Language Model for Few-Shot Learning
提出Flamingo视觉语言模型，通过少量示例实现多模态任务。
💡 首次在视觉语言模型中实现少样本学习，性能优异。
arXiv
📈 5.3k 引用
LAION-5B: An open large-scale dataset for training next generation image-text models
发布LAION-5B，包含58.5亿图文对的开源数据集，用于训练下一代图文模型。
💡 为大规模多模态模型训练提供开放数据基础，推动研究可复现。
arXiv
📈 4.5k 引用
FlashAttention: Fast and Memory-Efficient Exact Attention with IO-Awareness
提出IO感知的精确注意力算法，通过分块计算减少显存读写，实现2-4倍加速。
💡 突破注意力计算瓶颈，使长序列Transformer训练成为可能。
arXiv
📈 3.5k 引用
Elucidating the Design Space of Diffusion-Based Generative Models
系统分析了扩散模型的设计空间，提出改进的采样和训练方法。
💡 统一了扩散模型的实践，提升生成质量与效率。
arXiv
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