ACL'23颁奖井喷!史无前例75篇论文上榜,华人面孔占据半壁江山

明敏 发自 凹非寺
量子位 | 公众号 QbitAI

ACL 2023获奖论文现已公布!

足足有75篇论文,评选出了六大奖项

其中杰出论文奖共有39篇成果被收录。

而去年所有获奖论文加起来也才只有12篇,可以说今年是相当热闹了。

a25e4f1f019106421eaf9a1cfd2373b4.jpeg

今年最佳论文奖共有3篇,华人学者怒刷存在感。

2篇最佳论文的一作为华人面孔,其中1篇还有西安交通大学学者参与研究。

6c7ac7d9876222b4fe8dab95acd186dc.png
f737dc1bfc8cac6bf9c9d2a7bd2ac646.png

Demo Track Awards方面,清华、智谱AI、北京彩智科技组成的团队拿下了唯一一篇最佳论文奖。

Area Chair Awards部分,有两个领域的最佳论文由中国团队获得。

而在杰出论文部分,全华人团队入选的研究论文有6篇。

另外在多篇获奖论文中也看到了来自国内高校和科技大厂的学者身影,如清华、中科大、南京理工,以及腾讯、华为等。

大模型和Stable Diffusion是热点

首先来看3篇最佳论文都颁给了哪些研究方向。

第一篇是关于AI是否能理解幽默的研究。由艾伦人工智能研究所、OpenAI、康奈尔大学等带来。

论文的题目也非常因吹斯听:机器人会笑话电子羊吗?

74b6046ddaae9b7c6f66266bf7061c67.png

具体来说,研究人员用《纽约客》的内容做成了一个大的测试集,看AI能不能理解。

不仅是文字笑话,还有漫画理解,而且还要AI解释这个笑话好笑在哪里。

最后研究得出的结论是,视觉和语言模型理解这些笑话确实还有提升空间,但是他们也能成为人类创作幽默笑话/漫画的得力助手。

654a225b61572aab61f8a861e1fad5c4.png

第二篇论文则是关于Stable Diffusion的。

来自Comcast Applied AI、伦敦大学学院、滑铁卢大学的学者提出了一种名为DAAM的方法,针对文生图的情景研究了几种语义现象,结果发现同音异义词会降低生成图像的质量。

而且研究团队表示他们是首次从视觉语言角度来解释扩散模型,这或许为未来的研究开辟了新道路。

964c02aef9810affec203a60ff73490b.png

这篇论文两位共同一作都是华人面孔。

Raphael Tang来自康卡斯特AI,主攻语言方向。

3bf86ee148d64757253b1631ecafde50.png

Linqing Liu来自伦敦大学学院,是NLP组的博士生。本科毕业于同济大学、硕士毕业于滑铁卢大学。

462be57468e4a99a80ab32718a99a191.png

第三篇最佳论文研究的是大语言模型的道德伦理问题。

论文提出了一种新方法可以追踪大语言模型从预训练到下游任务过程中的偏见情况。

一作同样是华人面孔。Shangbin Feng目前在华盛顿大学读博,本科毕业于西安交通大学,按照入学年份推算可能是一位00后小哥。

bbffcdcde172b483bd3bb36029aa6ac2.png

作者列表中,还有一位来自西安交通大学的学者Yuan Liu。

“明年评选会更加慷慨”

ACL’23今年的获奖论文数量井喷,一方面原因来自于政策的调整。

官方表示这么做就是为了能接收更广泛的研究,评选更多优秀论文。

而且还说,“明年让我们更慷慨地提名吧!”

2d5494f18b8b575d6c5d79aae56b7a7f.png

今年ACL的颁奖选在了多伦多,有很多学者在晒自己的获奖照片,感觉现场格外热闹。

a266cf47a1c49565e8496d80ed970da3.jpeg
8fdb15caf15c5a8abf820e0e90103885.jpeg

最后附上完整名单,再次祝贺所有获奖学者~

https://2023.aclweb.org/program/best_papers/

「AIGC+垂直领域社群」

招募中!

欢迎关注AIGC的伙伴们加入AIGC+垂直领域社群,一起学习、探索、创新AIGC!

请备注您想加入的垂直领域「教育」或「电商零售」,加入AIGC人才社群请备注「人才」&「姓名-公司-职位」。

9ff51660a65b40188ca9ea80c490ccee.png

点这里👇关注我,记得标星哦~

评论
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