北航成AAAI 2021最大赢家，两篇一作斩获最佳论文、提名奖，研究皆与Transformer相关

当地时间2月4日，AAAI 2021最佳论文奖出炉！

由AAAI 2021程序委员会主席Mausam在开幕式上宣布，共有3篇论文获得了最佳论文奖。

以及3篇获得最佳论文提名（Runners Up奖）。

值得注意的是，在这6篇获奖论文中，有两篇均是北航学子担任第一作者，单从标题就可看出，研究均与Transformer相关。

△Best Papers

△Best Papers Runners Up

北航成最大赢家

首先，获得最佳论文奖的是“Informer: Beyond Efficient Transformer for Long SequenceTime-Series Forecasting”。

第一作者来自北航的Haoyi Zhou，由北航、UC伯克利、罗格斯大学以及北京国网富达公司共同协作完成。

本文设计了一种专为LSTF（长序列时间序列预测）设计的基于Transformer模型Informer，来解决Transformer在应用于LSTF时存在一些严重的问题。

比如二次时间复杂度、较高的内存使用量和编解码器结构的固有限制等。

Informer具有三个显著特点：采用ProbSparse自关注机制、自注意力提炼、生成式解码器。

△Informer模型

除此之外，还有两篇论文获得了最佳论文奖。

其中一篇是来自华人团队，名为“Mitigating Political Bias in Language Models Through Reinforced Calibration”。

第一作者是来自达特茅斯学院计算机科学系的Ruibo Liu，主要研究是通过强化校准来减轻语言模型中政治偏见问题。

以及来自新加坡科技设计大学的论文，叫做Exploration-Exploitation in Multi-Agent Learning: Catastrophe Theory Meets Game Theory。

研究了一个Q-learning的平滑模拟，以灾难理论与博弈理论相结合，加强Exploration-Exploitation这一工具在多代理学习（MAL）中的理解。

而获得最佳论文Runners Up奖的三篇论文中，“Self-Attention Attribution：Interpreting Information interactions inside transformer”的一作Yaru Hao同样来自北航。

二作是来自微软亚洲研究院的董力。

本文提出了自注意力归因算法，来解释Transformer内部的信息交互，并以BERT为例进行了广泛的研究。

首先，提取各层中最突出的依赖关系，构建归因图，揭示Transformer内部的层次交互关系。

此外，还应用自注意力归因法来识别重要的注意力头，而其他的注意力头被修剪，而性能仅有边际下降。

最后，归因结果作为对抗性模式来实现对BERT的非目标攻击。

此外，还有来自加州大学伯克利分校、德克萨斯大学奥斯汀分校等团队的“Learning From Extreme Bandit Feedback”论文，研究了在极度大的动作空间环境下，从Bandit Feedback中进行批量学习的问题。

以及，来自哈佛大学、卡内基梅隆大学的团队的论文“Dual-Mandate Patrols: Multi-Armed Bandits for Green Security”。

第一作者是来自哈佛大学的Lily Xu，探究了如何利用强化学习的Multi-armed Bandit算法，来避免偷猎者伤害野生动物。

本届AAAI大会以线上会议的形式召开，大会主席由微众银行首席人工智能官、香港科技大学教授、迁移学习带头人杨强担任。

杨强教授是 AAAI 大会历史上第二位大会主席，也是担任此职位的首位华人。

本次会议共接收了1696篇，接收率近21.4%，其中有70.6%是学生论文。

中国大陆论文总数仍然占据榜首，共提交了3319篇论文，其中627篇论文被接收，接收率为19.0% 。

在各个奖项上，华人表现出色，斩获四项大奖。

包括北航的两篇在内，共有4个华人团队的论文获得了最佳论文、最佳论文亚军的奖项。

还有来自深圳市计算机视觉与模式识别重点实验室、南方科技大学等团队的论文获得了杰出论文奖。

此外，还有来自微软亚洲研究院的两位学者Xiting Wang和吴方照获得了杰出SPC奖。

大会将一直持续到2月9日结束，想了解更多细节可戳下方链接哦~

—完—

@量子位 · 追踪AI技术和产品新动态

深有感触的朋友，欢迎赞同、关注、分享三连վ'ᴗ' ի ❤