近日，人工智能顶会之一ICLR 2024任用结果揭晓，蚂蚁团体有11篇论文被收录，其中1篇为Oral，3篇为Spotlight，7篇为Poster，蚂蚁团体在AI学术范围的进展受到关注。
（图：蚂蚁团体的《长视频中的多粒度噪声关涉进修》被收录为Oral论文）
ICLR组委会今年共收到了7262篇论文投稿，任用率约为31%。其中，1.2%被任用为Oral论文，作者获得10分钟的口头演讲，5%被任用为Spotlight论文，获得4分钟的聚光灯展现；Poster论文则以海报形式展现。论文的重要性按此三类递减。
每一年，ICLR Oral论文中一大半的论文会成为“ICLR Best Paper”，同时也代表了新一年的研究方向，今年ICLR评出的Oral论文共85篇，其中包括蚂蚁团体的《Multi-granularity Correspondence Learning from Noisy Instructional Videos》（长视频中的多粒度噪声关涉进修）。
短视频已成为大众日常生活的主要娱乐方式，多模态手艺也是当前AI的热门范围，由于过高的计算资源开支，现有的视频工作主要集中于片断的理解，而忽视了长视频中的时序依赖。该论文将长视频进修转化为短视频片断间的关涉对齐，针对视频与文本间显著存在的噪声关涉问题，提出了统一的最优传输对齐方案，显著提升了长视频理解能力并节省了时间开支。
这个方案还具有通用性，提出的噪声关涉处理方法可应用于其他模态需要进行内容对齐的模型预训练进修中。
收录为Spotlight的3篇论文分别是《iTransformer: Inverted Transformers Are Effective for Time Series Forecasting》（iTransformer：倒置Transformer对时序猜测更加有效），讲述一种新的时间序列猜测工作，打破常规模型结构，在复杂时序猜测任务中取得了全面领先；《Enhanced Face Recognition using Intra-class Incoherence Constraint》（利用类内不一致性约束增强的人脸识别手艺），引入一个新的方法，进一步提高人脸识别的精确度。《Finite-State Autoregressive Entropy Coding for Efficient Learned Lossless Compression》（基于查找表实现的可进修自回归模型用于高效无损压缩算法），提出了一种新的算法，实现了高压缩率、高吞吐率的无损压缩。
自2017年以来，ICLR每一年收到的论文数目以30%的速度增长，其它两个人工智能顶会NeurIPS、ICML也是高增长。在上个月举行的NeurlPS上，蚂蚁团体共有20篇论文被收录，覆盖计算机视觉、自然语言处理、图神经网络、图像处理等多个人工智能和机器进修范围的前沿主题。
（图：ICLR自2013年成立以来，每一年的论文数目情况。2017年开始，论文数目攀升。）
ICLR近年受到业内好评，主要原因是其推行的Open Review评审制度，所有提交的论文都会接受所有同行的评价及提问，任何学者都可匿名或实名地评价论文。而在公开评审结束后，论文作者也能够对论文进行调整和修改。
据了解，过去五年，蚂蚁团体在国际顶级学术期刊和学术会议上发表论文近500篇，其中AI范围的论文300余篇。蚂蚁团体在人工智能范围持续进行手艺投入，基于大规模业务场景的需求，布局了包括大模型、知识图谱、运筹优化、图进修、可信AI等在内的手艺范围。