ICLR 2024接收率31%,清华LCM论文作者:讲个笑话,被拒了!

 Datawhale分享 

顶会ICLR 2024,编辑:机器之心

你被拒了吗?

ICLR 2024 国际学习表征会议已经来到了第十二届,将于今年 5 月 7 日 - 11 日在奥地利维也纳会展中心举行。

在机器学习社区中,ICLR 是较为「年轻」的学术顶会,它由深度学习巨头、图灵奖获得者 Yoshua Bengio 和 Yann LeCun 牵头举办,2013 年才举办了第一届。不过 ICLR 很快获得学术研究者们的广泛认可,被认为是深度学习顶会。在 Google Scholar 的学术会议 / 杂志排名中,ICLR 目前排名第十位,要高于 NeurIPS。

今日,ICLR 2024 将录用结果陆续通知了论文提交者。本届会议共收到了 7262 篇提交论文,整体接收率约为 31%,与去年持平(31.8%)。此外 Spotlights 论文比例为 5%,Oral 论文比例为 1.2%。

b971c3f664b86faf083dee55cbf64b77.png

研究分析网站 Paper Copilot 对 ICLR 2024 的接收论文做了非常详细的统计,并提供了与往年直观的比较。

93753e8b9e1d343ca8ad1201f6503cd3.png

网站地址:https://papercopilot.com/statistics/iclr-statistics/iclr-2024-statistics/

结果出来后,依然是几家欢喜几家愁,论文被接收的学者纷纷「晒出」自己的喜悦。

机器之心报道过的苹果文生图大模型收到了被接收的喜讯。在这篇论文中,研究者提出了俄罗斯套娃式扩散模型(Matryoshka Diffusion Models,MDM),用于端到端高分辨率图像生成。

‍‍411d88601233a158799ae9720a7f5acd.png

推特 @thoma_gu

知名 AI 学者、Meta AI 研究科学家田渊栋团队有 4 篇论文被接收,其中包括了一篇 Spotlight 论文。

94904f7b4a4b845688386099883036c2.png

推特 @tydsh

新加坡国立大学校长青年教授尤洋团队的论文《InfoBatch: Lossless Training Speed Up by Unbiased Dynamic Data Pruning》被接收为了 Oral。

428efe3c62c2cfa9a77184de18a9c9ce.png

推特 @YangYou1991

不过,有些论文似乎成了 ICLR 2024 的遗珠,比如清华大学交叉信息研究院的研究者推出的 LCM(Latent Consistency Models),它将主流文生图模型的效率提高了 5 到 10 倍,甚至做到了实时连续生图。该模型发布仅仅一个月后便浏览超百万,在 Hugging Face 平台的模型下载量超 20 万。

db80ba088647d20239c32b29161b86aa.png

论文共同一作 Simian Luo 感叹这是「这辈子最好笑的笑话」。

我们找到了一位审稿人的意见,他指出论文的缺点有这些:没说清楚哪些贡献对效率和质量影响最大、没给出求解增强 PF-ODE 的计算复杂度、没说明与其他方法相比推理时间到底快了多少、 没给到 LCM 除用于 Stable Diffusion 以外其他 LDMs 的性能如何?

922d25248a8931d1389312a2a1de0394.png

混合动力汽车(HEV)模型的Simscape模型(Matlab代码、Simulink仿真实现)内容概要:本文档介绍了一个混合动力汽车(HEV)的Simscape模型,该模型通过Matlab代码和Simulink仿真工具实现,旨在对混合动力汽车的动力系统进行建模与仿真分析。模型涵盖了发动机、电机、电池、传动系统等关键部件,能够模拟车辆在不同工况下的能量流动与控制策略,适用于动力系统设计、能耗优化及控制算法验证等研究方向。文档还提及该资源属于一个涵盖多个科研领域的MATLAB仿真资源包,涉及电力系统、机器学习、路径规划、信号处理等多个技术方向,配套提供网盘下载链接,便于用户获取完整资源。; 适合人群:具备Matlab/Simulink使用基础的高校研究生、科研人员及从事新能源汽车系统仿真的工程技术人员。; 使用场景及目标:①开展混合动力汽车能量管理策略的研究与仿真验证;②学习基于Simscape的物理系统建模方法;③作为教学案例用于车辆工程或自动化相关课程的实践环节;④与其他优化算法(如智能优化、强化学习)结合,实现控制策略的优化设计。; 阅读建议:建议使用者先熟悉Matlab/Simulink及Simscape基础操作,结合文档中的模型结构逐步理解各模块功能,可在此基础上修改参数或替换控制算法以满足具体研究需求,同时推荐访问提供的网盘链接获取完整代码与示例文件以便深入学习与调试。
### ICLR 2024 Conference Papers ICLR(International Conference on Learning Representations)是深度学习和表示学习领域的重要国际会议之一。对于ICLR 2024,已经存在一个开源工具包,名为ICLR 2024 OpenReview Submission Data[^1]。这个工具包提供了对ICLR 2024提交论文的深入分析,帮助研究者了解最新的学术动态和技术进展。 若要查找ICLR 2024的具体论文内容,可以通过以下途径获取: 1. **OpenReview平台**:ICLR会议通常会将所有提交的论文及其评审意见公开在OpenReview平台上。访问 [OpenReview](https://openreview.net/) 并搜索“ICLR 2024”即可找到相关论文列表。 2. **官方会议网站**:ICLR 2024的官方网站会发布最终录用的论文列表以及会议日程安排。通过访问官网可以获取完整的论文信息。 3. **GitHub工具包**:如引用中提到的ICLR 2024 OpenReview Submission Data工具包,可以直接从其仓库下载并解析数据,以获得更详细的论文统计和分析结果[^1]。 以下是一个简单的Python代码示例,展示如何通过OpenReview API获取ICLR 2024论文信息: ```python import openreview client = openreview.Client(baseurl='https://api.openreview.net') # 搜索ICLR 2024相关的论文 iclr_2024_notes = client.get_all_notes(invitation='ICLR.cc/2024/Conference/-/Blind_Submission') for note in iclr_2024_notes[:5]: # 显示前5篇论文 print(f"Title: {note.content['title']}") print(f"Abstract: {note.content['abstract'][:100]}...\n") # 截取摘要前100个字符 ``` 此代码利用OpenReview API检索ICLR 2024的所有盲审提交论文,并打印出每篇论文的标题和摘要的一部分。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值