AAAI 2021開幕：華人大滿貫，北航學(xué)子“摘下”最佳論文，兩名微軟亞研院中國學(xué)者獲得首個杰出SPC獎
大數(shù)據(jù)文摘授權(quán)轉(zhuǎn)載自學(xué)術(shù)頭條
剛剛！人工智能頂級會議 AAAI 2021 在線上開幕，作為 2021 年首個人工智能頂會，華人學(xué)者取得了大滿貫。
具體表現(xiàn)為：兩名中國來自微軟亞洲研究院的中國學(xué)者獲得了杰出 SPC 獎，其在眾多資深程序主席中脫穎而出。這兩位的名字是 Xiting Wang 和吳方照。
根據(jù) AMiner 主頁，我們得知 Xiting Wang 畢業(yè)于清華大學(xué)，其研究興趣包括可解釋的推薦，文本挖掘和視覺文本分析。吳方照也是畢業(yè)于清華大學(xué)，目前是微軟亞洲研究院社會計(jì)算 (SC) 組的高級研究員。
此外，中國學(xué)者還獲得了一篇杰出論文，題目為 “Self-supervised Multi-view Stereo via Effective Co-Segmentation and Data-augmentation”，翻譯為中文為 “通過有效的協(xié)同分割和數(shù)據(jù)增強(qiáng)實(shí)現(xiàn)多視角立體的自我監(jiān)督。” 作者 Hongbin xu 來自深圳市計(jì)算機(jī)視覺與模式識別重點(diǎn)實(shí)驗(yàn)室。
論文主要研究內(nèi)容是：最近的研究表明，基于視圖合成的自監(jiān)督方法在多視圖立體 (MVS) 上取得了明顯的進(jìn)展。然而，現(xiàn)有的方法依賴于不同視圖之間對應(yīng)的點(diǎn)具有相同的顏色的假設(shè)，這在實(shí)踐中可能并不總是正確的。這可能會導(dǎo)致不可靠的自監(jiān)督信號，損害最終的重建性能。為了解決這個問題，作者提出了一個以語義共分和數(shù)據(jù)增強(qiáng)為指導(dǎo)，集成了更可靠的監(jiān)督框架。
論文地址：
http://34.94.61.102/paper_AAAI-2549.html
拿下了兩篇最佳論文亞軍。第一篇 “Self-Attention Attribution：Interpreting Information interactions inside transformer” 的一作名為 Yaru Hao，來自北京航空航天大學(xué)，二作名為董力，來自微軟研究院。這篇論文說，當(dāng)前基于 Transformer 的一些模型，大多將其成功之處歸功于多頭自我注意機(jī)制，這種機(jī)制從輸入中學(xué)習(xí) token，并對上下文信息進(jìn)行編碼。先前的工作主要致力于針對具有不同顯著性度量的單個輸入特性的貢獻(xiàn)模型決策，但它們未能解釋這些輸入特征如何相互作用以達(dá)到預(yù)測。因此，這篇論文提出了一種自注意力歸因算法來解釋 Transformer 內(nèi)部的信息交互。并以 BERT 為例廣泛進(jìn)行研究。
論文地址：
第二篇 “Dual-Mandate Patrols: Multi-Armed Bandits for Green Security”，其一作 Lily xu（華人面孔，不確定是否是華人）是哈弗大學(xué)的博士生，第三作者中文名為方飛是卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)科學(xué)系的助理教授，其研究方向是博弈論 + 機(jī)器學(xué)習(xí)。這篇論文的主要研究內(nèi)容是：環(huán)境保護(hù)。其從強(qiáng)化學(xué)習(xí)中的多臂老虎機(jī) (Multi-armed Bandit) 算法入手，探究了如何避免偷獵者傷害野生動物。據(jù)悉，其算法在柬埔寨的真實(shí)偷獵數(shù)據(jù)上訓(xùn)練之后，其性能顯著提升。
論文地址：
拿下了兩篇最佳論文，其中一篇 “Informer: Beyond Efficient Transformer for Long SequenceTime-Series Forecasting”，第一作者名為 Haoyi Zhou 來自北航。這篇論文設(shè)計(jì)了一種高效的基于變換的長序列時間序列預(yù)測模型 Informer，旨在解決 Transformer 存在一些嚴(yán)重的問題，如二次時間復(fù)雜度、較高的內(nèi)存使用量和編解碼器結(jié)構(gòu)的固有限制等等。
論文地址：
第二篇名為 “Mitigating Political Bias in Language Models Through Reinforced Calibration”，第一作者名為 Ruibo Liu，顯然是為中國學(xué)子，來自達(dá)特茅斯學(xué)院計(jì)算機(jī)科學(xué)系，根據(jù)題目，這篇論文的主要研究內(nèi)容是 “語言模型中的政治偏見” 問題。
論文數(shù)據(jù)一覽
本屆大會共評出了 3 篇最佳論文，3 篇最佳論文亞軍以及 6 篇杰出論文，11 個杰出資深主席，13 個優(yōu)秀程序主席，此外還評出了前 25% 的評審者。
關(guān)于論文的評審，大會組委會說，在 rebuttal 階段，論文作者回應(yīng)后，有 4537 篇論文的分?jǐn)?shù)得到了改變，其中 40% 的論文分?jǐn)?shù)上漲，60% 的論文分?jǐn)?shù)下降。然而其實(shí)，只有 69% 的評審對了作者的回應(yīng).....
這次會議一共收到了 7911 篇論文，接收了 1696 篇，其接收率是 21.4%。與歷年相比，其接受率處于中等。值得一提的是，學(xué)生論文有 70.6% 的接受率。
關(guān)于投稿總數(shù)，近幾年 AI 領(lǐng)域一直處于上漲狀態(tài)，除了 2019 年相較于 2018 年有了近一倍的增長之外，這兩年投稿量增長則是緩慢趨勢。錄取率并不是穩(wěn)定或者線性的，從上圖曲線可以看出，錄取率是波動狀態(tài)，且 2019 年最低，只有 16.9%；最高當(dāng)屬 2013 年，接近 30%。
論文分地區(qū)來看，中國大陸論文總數(shù)仍然占據(jù)榜首，3319 篇的論文提交，627 篇的論文錄取，其有 19.0% 的錄取率。不過從提交的數(shù)目來看，占據(jù)了 1/3，錄取數(shù)占據(jù)了 36%。中國香港和中國臺灣也成績頗豐，分別有 31 篇和 20 篇被錄取。
論文分領(lǐng)域來看，機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺、NLP 以及數(shù)據(jù)挖掘和應(yīng)用程序域分別占據(jù)總提交論文的 80%。
和去年相比，這個 “熱度” 排名仍然沒有改變。機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺、NLP 以及數(shù)據(jù)挖掘和應(yīng)用程序域論文收錄數(shù)分別排名第一、第二、第三、第四。
哪個領(lǐng)域的論文接收率最高，組委會說，優(yōu)化領(lǐng)域今年有 43% 的接受率，博弈論原理，搜索分別有 37%、33% 的接受率。而機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺各只有 20% 的接受率。
OMT：兩輪審稿政策
除了公布這些獎項(xiàng)，本次大會，還花了濃墨重彩介紹了本屆 AAAI 采用兩輪審稿政策，組委會說，共收到 9034 篇投稿。兩輪審稿政策對應(yīng)兩類文章，第一類是非 NeurIPS 和 EMNLP 轉(zhuǎn)投論文；第二類是 NeurIPS 和 EMNLP 轉(zhuǎn)投論文。?
第二類論文中，經(jīng)過修改后的重投論文，如果是來自 NeurIPS，且總分?jǐn)?shù)高于 4.9；如果是 EMNLP，且總分?jǐn)?shù)高于 2.8 的話。那么可以直接進(jìn)入到 AAAI 2021 審稿的第二階段。
在第一階段，每篇論文將分配兩名審稿人。如果這兩個審稿人認(rèn)為該論文無法被錄用，那么該論文將直接被拒絕。沒有被拒的論文將進(jìn)入第二階段。
在第二階段中，每篇論文將另外分配兩個審稿人。新的審稿人給出意見之前，他們是無法看到第一階段的評論，也就是審稿相互獨(dú)立。這意味著每篇被錄取的論文至少有四名審稿人把關(guān)，因此質(zhì)量肯定能夠保證。?
在審稿過程中，評審們共寫了 25226 個字的 “建議”，平均下來每位審稿人有 2632 個字。
在討論中，大多數(shù)論文的討論有 3~5 位參與，極少數(shù)有 17~26 位參與。當(dāng)然。1~3 位和 5~7 位參與的討論的論文數(shù)，也有 1000 以上。平均下來，每篇論文有 4.6 個人參與討論，每個討論包含字?jǐn)?shù) 358 個。
