![](https://picture.iczhiku.com/weixin/weixin16069612624531.png)
北京时间12月6日(周日)9:00,微软亚洲研究院首席研究员、深度和强化学习组负责人—秦涛将携手团队小伙伴清华大学计算机系在读博士生—林子钏,MSRA研究实习生—罗人千,及南京理工大学计算机系在读博士生—宋恺涛与大家在云端相见,分享他们在NeurIPS 2020中的精彩工作。
一张图告诉你
活动信息
▼
福利预告:入群可参与会议讨论,
获取直播地址、回放视频、课件,
还有不定期红包发放哦~![](https://picture.iczhiku.com/weixin/weixin16069612624532.png)
![](https://picture.iczhiku.com/weixin/weixin16069612624533.png)
机构介绍
▼
微软亚洲研究院·深度和强化学习组,从算法和实践两个方面推动了深度学习和强化学习的研究,其研究领域涵盖深度表示学习、深度结构学习、深度强化学习、自动机器学习、迁移学习、生成模式和因果学习等方面。
嘉宾介绍
▼
# 微软亚洲研究院
首席研究员、
深度和强化学习组负责人
秦涛博士,微软亚洲研究院首席研究员、深度和强化学习组负责人,IEEE、 ACM高级会员,中科大客座教授。他的研究兴趣包括深度学习及其在自然语言语音图像处理中的应用、强化学习及其在游戏AI和实际问题中的应用、博弈论和多智能体系统及其在云计算和在线广告中的应用、信息检索和计算广告。秦涛团队提出的对偶学习及其他技术,助力微软于2018年在中英新闻翻译任务上达到了人类专家的水平,并于次年获得WMT2019机器翻译比赛8项冠军;于2019年设计了目前最高效的语音合成模型FastSpeech,支撑了微软云Azure上的所有语音 (涵盖50+语言) 合成服务;于2019年研发了史上最强麻将AI Suphx,在“天凤”平台荣升十段,稳定段位显著超越人类顶级选手。个人主页:
http://reserach.microsoft.com/~taoqin
林子钏,清华大学计算机系五年级博士生。研究方向为深度强化学习算法中的样本效率、鲁棒性、可解释性以及深度强化学习在对话系统中的应用。研究成果发表于NeurIPS、ICLR、IJCAI等人工智能国际会议。个人主页:
http://linzichuan.github.io/点击查看林子钏 NeurIPS 2020 论文解读:
[ 清华联合斯坦福:基于模型的对抗元强化学习 ]
罗人千,中国科学技术大学与微软亚洲研究院联合培养博士生,研究方向是深度学习、自动化机器学习、神经网络结构搜索、神经机器翻译及自然语言处理。个人主页:
http://home.ustc.edu.cn/~lrq/
宋恺涛,南京理工大学计算机科学与应用专业在读博士生。研究方向为自然语言处理,包括机器翻译、预训练模型、语言生成等方向。在ICML、NeurIPS、IJCAI、COLING、TIP等顶级会议及期刊发表了多篇论文。他的多项研究成果应用在微软的产品中。个人主页:
https://scholar.google.com.hk/citations?user=LLk9dR8AAAAJ&hl=en
NeurIPS 2020工作抢先看
▼
①
![](https://picture.iczhiku.com/weixin/weixin16069612624538.png)
主讲人:林子钏
强化学习算法可以由更细粒度的奖励函数大幅提升样本效率,但自主学习该细粒度奖励函数的方法目前还很不成熟。之前的工作中,尚未有广泛通用的学习细粒度奖励函数的工作。受到最近非耦合表示的工作的启发,在我们的工作中,我们以更通用的方式来定义并学习一个最优细粒度奖励函数。
论文链接:
https://papers.nips.cc/paper/2020/file/82039d16dce0aab3913b6a7ac73deff7-Paper.pdf
②
![](https://picture.iczhiku.com/weixin/weixin16069612624539.png)
主讲人:罗人千
神经网络结构搜索依赖于从大量的“神经网络结构-精度”这样的数据中进行学习,来产生更高精度的网络结构。然而由于训练和评测神经网络比较耗时,获取大量这样的数据是非常困难的。在本工作中,我们提出利用半监督学习方法,从大量无标签的神经网络结构(即没有相应的精确度)中进行学习,来帮助提升神经网络结构搜索的效果。
论文链接:
https://arxiv.org/abs/2002.10389
③
![](https://picture.iczhiku.com/weixin/weixin160696126245310.png)
主讲人:宋恺涛
预训练模型是自然语言处理任务中非常重要的模块,在工业界和学术界都拥有广泛的应用。基于掩码语言模型的BERT和基于排列语言模型的XLNet在自然语言理解任务上取得了不错的成果。但他们依然存在着与下游不一致的问题。针对这一问题,我们分析了掩码语言模型和排列语言模型的优缺点,并提出了MPNet来结合他们各自的优点。实验结果表明,我们的MPNet在多个数据集上都取得了更好的结果。论文链接:
https://arxiv.org/abs/2004.09297
激动的心、颤抖的手~
小编已搬好小板凳
等不及一睹大牛风采!
快来扫码!或点击“阅读原文”
一起学“废”!![](https://picture.iczhiku.com/weixin/weixin160696126245311.png)
♫. ♪ ~ ♬..♩~ ♫. ♪..♩~ ♫. ♪ ~ ♬..♩..♩~ ♫. ♪ ~ ♬..♩..♩~ ♫. ♪ ~ ♬..♩♫. ♪ ~ ♬..♩~ ♫. ♪..♩~ ♫. ♪ ~ ♬..♩..♩~ ♫. ♪ ~ ♬..♩..♩~ ♫. ♪ ~ ♬..♩♫. ♪ ~ ♬..♩~ ♫. ♪..♩~ ♫. ♪ ~ ♬..♩..♩~ ♫. ♪ ~ ♬..♩..♩~ ♫. ♪ ~ ♬..♩
1. 请保证所填信息的真实性和准确性,方便主办方进行审核;2. 报名通过审核后将收到主办方的微信/邮件等通知,请保持手机和邮箱畅通;3. 由于活动场次较多,主办方审核需要一定时间,请耐心等待~4. 此报名表单仅指向“MSRA D&RL专场”,如希望报名其他专场活动,请点击下方图片,查看更多报名方式。更多机构专场活动正在路上……
![](https://picture.iczhiku.com/weixin/weixin160696126245313.png)
TechBeat(www.techbeat.net)是一个荟聚全球华人AI精英的成长社区。
我们希望为AI人才打造更专业的服务和体验,加速并陪伴其学习成长。
期待这里可以成为你学习AI前沿知识的高地,分享自己最新工作的沃土,在AI进阶之路上的升级打怪的根据地!
更多详细介绍>>TechBeat,一个荟聚全球华人AI精英的学习成长社区
微信:thejiangmen
bp@thejiangmen.com