機器之心報導
作者:蛋醬、小舟
ICLR 2021 會議的 Rebuttal 環節已經結束,最終接收結果也將在下月正式公布。日前,有開發者從 ICLR 2021 OpenReview 網頁抓取了論文數據,並做了論文高頻詞、論文得分分布情況等信息的可視化呈現。
ICLR,全稱為 International Conference on Learning Representations,國際學習表徵會議。自 2013 年開始每年舉辦一次,2021 年將舉辦第九屆會議。該會議被認為是深度學習領域的頂級會議之一,它與 CVPR、ACL、NeurIPS 等學術會議一樣,被 CCF 評選為一類會議。
ICLR 的創始人包括深度學習三大巨頭之二的 Yoshua Bengio 和 Yann LeCun。與其他頂會一樣,該會議旨在為深度學習提供一個專業化的交流平臺。數據的應用表徵對機器學習的性能有著重要的影響,表徵學習對於計算機視覺、語音處理、自然語言處理等多個領域都起著至關重要的作用,ICLR 旨在打造這一領域交流研究的平臺。
ICLR 2021 將於 2021 年 5 月 4 日至 6 月 8 日以線上形式舉辦。初審結果已於 11 月 11 日公布,此次會議共收到論文投稿 3013 篇,其中有 856 篇是 NeurIPS 2020 Rejection 之後再提交的。
目前,ICLR 2021 的論文 rebuttal 階段也已經結束。有開發者從 ICLR 2021 OpenReview 網頁抓取了本次大會的論文數據,並做了可視化呈現。該項目統計了論文高頻詞、論文得分分布情況等信息。
項目地址:https://github.com/evanzd/ICLR2021-OpenReviewData
關鍵詞頻率
下圖列舉了提交論文中出現頻率排名前 50 的關鍵詞,與往年一樣,深度學習、強化學習、表徵學習、圖神經網絡都是非常熱門的話題。但與相比,卷積神經網絡(convolutional neural network)的熱度驟降,「元學習」、「表徵學習」、「圖神經網絡」的熱度均有上升。
由提交論文關鍵詞組成的詞雲更加直觀地展示了不同研究方向的熱門程度:
論文得分分布情況
今年 ICLR 的論文評審得分集中在 5 分左右,平均值為 5.169。
關鍵詞 vs 得分
項目作者還對論文平均得分和關鍵詞頻率進行了統計。結果顯示,如果論文作者希望儘可能地獲得高評分,或許 ta 應該使用「深度生成模型」(deep generative models)、「歸一化流」(normalizing flows)、「神經正切核」(neural tangent kernel)、「梯度下降法」(gradient descent)等關鍵詞。
有趣的是,在名為「國際學習表徵會議」的 ICLR 大會中,「表徵學習」這一關鍵詞的頻率僅位於第三位,前兩名的位置被「深度學習」和「強化學習」牢牢佔據。
看完統計結果以後,史丹福大學教授 Christopher Manning 表示:「強化學習驚人地崛起了!但卷積神經網絡已現疲態。」
觀察近年來的統計結果,「圖神經網絡(GNN)」的熱度正在逐年攀升。DeepMind 高級研究科學家 PetarVeličković直言:「不可否認的是,圖神經網絡已經位於深度學習工具箱中的第一階梯。」
在 Rebuttal 環節之後,Criteo AI Lab 研究科學家 Sergey Ivanov 在自己的推特上展示了論文評分變化的統計結果:
306 篇論文撤回了提交,現剩餘 2670 篇;
論文的平均得分提高了 0.25;
總共有 10305 條評審意見,有 1797 條評分發生了變化;
在 Rebuttal 環節中,有 16 篇論文得到了額外的評審意見。
ICLR 2021 Rebuttal 環節後論文得分變化情況。
從目前 OpenReview 的結果來看,這一屆的 ICLR 沒有滿分論文,8 分以上的論文總共有 12 篇:
ICLR 2021 的最終接收結果預計在下月公布,但你可以在上述評審得分統計文檔中查看自己感興趣的論文。
論文查看地址:https://docs.google.com/spreadsheets/d/1fsXrKwKtoghQTPhgnCveRfn9GTsSVvoVRvEOaK9Eqp8/edit#gid=1229227255
2020 NeurIPS MeetUp
12月6日北京,機器之心將舉辦2020 NeurIPS MeetUp。活動設置4個Keynote、 12篇論文報告與30個Poster,邀請頂級專家、論文作者與現場參會觀眾共同交流。
原標題:《GNN、RL強勢崛起,CNN初現疲態?這是ICLR 2021最全論文主題分析》
閱讀原文