《2020年人工智能几个重点领域顶级国际学术会议分析报告(95页).pdf》由会员分享,可在线阅读,更多相关《2020年人工智能几个重点领域顶级国际学术会议分析报告(95页).pdf(95页珍藏版)》请在三个皮匠报告上搜索。
1、 清华大学人工智能研究院知识智能研究中心 北京智谱华章科技有限公司 2021 年第 5 期 2020 年人工智能几个重点领域 顶级国际学术会议分析报告 2002 年人工智能几个重点领域 顶级国际学术会议分析报告 摘要 本报告依托 AMiner 学术会议平台, 主 要从论文、作者、国家、机构等多个维度, 详细展示了 2020 年机器学习、计算机视觉 等人工智能几个重点领域顶级国际学术会 议的前沿研究成果及其特征。 核心发现核心发现 计算机视觉和机器学习领域论文研 究成果最多,总投稿量均超万篇。 机器学习研究热点是深度学习和强 化学习, 相关论文占比 14.8%; 计算 机视觉领域研究热点是目标检
2、测与 语义分割,相关论文占比 8%。 最佳论文全部存在跨国或跨机构合 作现象。美国机构获得近八成顶会 最佳论文;中国机构仅获得一篇。 华人作者在所研究国际顶会的数量 平均占比 26.05%;其中,CVPR 会 议的华人作者占比最高,达 53.2%。 2020 年人工智能几个重点领域顶级国际学术会议分析报告 I 目录目录 一、人工智能几个重点领域顶级国际学术会议年度概况 . 5 (一)本年度学术会议均为线上举办 . 5 (二)顶会 NeurIPS、CVPR 与 ECCV 的论文投稿量位于前三 . 6 (三)顶会论文平均录取率为 22.1%、IJCAI 论文录取最难 . 6 (四)关注度前三的 A
3、I 顶会是 CVPR,NeurIPS 和 KDD . 7 二、人工智能最新研究成果和主题热点 . 8 (一)机器学习研究热度最高的分支是深度学习和强化学习 . 8 (二)计算机视觉领域主要研究热点包括目标检测和语义分割 . 10 (三)自然语言处理领域神经机器翻译研究热度居首 . 11 (四)经典 AI 领域近年来研究热点主要是机器学习相关技术 . 12 (五)数据挖掘领域近年来较多聚焦于社交网络和异常检测研究 . 12 (六)信息检索与推荐领域研究热点是信息抽取与网页搜索 . 13 三、人工智能国际顶会最佳论文分析 . 14 (一)最佳论文作者来自美英中以意新六个国家 . 14 (二)最佳论
4、文全部存在跨国或跨机构合作现象 . 14 (三)九成以上会议最佳论文不是该会议的最高被引论文 . 16 (四)最佳会议论文较少看见中国机构身影 . 19 四、人工智能顶会论文所属机构分析 . 19 (一)人工智能跨地域或跨机构合作日益紧密 . 19 (二)机器学习论文收录量前三机构是谷歌、MIT 和斯坦福大学 . 20 (三)中国机构在经典 AI 领域会议论文收录量处于领先 . 22 五、人工智能国际顶会论文作者分析 . 23 (一)论文作者总体情况 . 23 1. 计算机视觉顶会论文收录量前十作者半数来自中国机构 . 23 2. 机器学习顶会论文收录量最多学者来自美国伯克利大学 . 39 3
5、. 自然语言处理顶会论文收录量前十作者八成就职于高校 . 54 2020 年人工智能几个重点领域顶级国际学术会议分析报告 II 4. 中美两国出现较多频次的高活跃度和高产出度作者 . 70 (二)华人作者情况 . 71 1. 计算机视觉领域 CVPR 会议论文华人作者数量最多且占比过半 . 71 2. 一作华人学生作者在 NeurIPS 和 ICML 中占比超 30% . 72 3. 有 17 位华人作者被六个以上顶会收录论文 . 73 4. 数据挖掘顶会 KDD 华人论文占比较高 . 74 六、结语与展望 . 77 附录一 报告说明 . 78 (一)人工智能子领域分类 . 78 (二)研究对
6、象 . 78 (三)研究方法 . 80 附录二 AMiner Conference 学术会议系统介绍 . 81 (一)系统页面介绍 . 82 1. 关键词板块 . 82 2. 作者统计板块 . 83 3. 出版统计板块 . 83 4. 会议最佳论文板块 . 85 (二)系统的论文库 . 85 1. 论文分类整理 . 86 (1)论文主题词云图 . 86 (2)论文溯源树 . 87 (3)论文精读展示页 . 87 (4)论文统计榜单 . 88 (5)入选论文数量的作者榜单 . 89 (6)单篇论文作者数量统计 . 89 2. 论文解读 . 89 3. 论文智能算法推荐 . 90 4. 视频“秒读
7、论文”功能 . 90 2020 年人工智能几个重点领域顶级国际学术会议分析报告 III (三)系统的学者库 . 91 版权说明 . 93 4 2020 年人工智能几个重点领域顶级国际学术会议分析报告 编写团队编写团队 顾问顾问 李涓子 清华大学人工智能研究院知识智能研究中心 唐杰 清华大学人工智能研究院知识智能研究中心 编写团队编写团队 张 淼 向 佳 张 淳 孙许洁 王杏琳 数据数据 王博泓 黄美玲 杨砚梅 赵慧军 计 瑜 版式设计版式设计 边云风 2020 年人工智能几个重点领域顶级国际学术会议分析报告 5 本报告旨在通过对人工智能几个重点领域顶级国际学术会议所收录的论文 数据进行挖掘分析
8、, 依托科技情报大数据 AMiner 学术会议平台, 主要从论文、 作者、国家、机构等多个维度,展现 2020 年人工智能几个重点领域科研前沿热 点研究成果及其特征。所研究的 10 个人工智能国际顶会包括 ICLR、ICML、 NeurIPS、CVPR、ECCV、ACL、EMNLP、IJCAI、KDD 和 SIGIR,涵盖了机器 学习、计算机视觉、经典 AI、数据挖掘、信息检索与推荐、自然语言处理六个子 领域。具体的人工智能子领域分类、顶级国际学术会议具体信息及会议链接,以 及本报告的研究方法与对象等相关信息请参照附录一。所有数据统计结果截至 2020 年 12 月 31 日。 一、一、人工智
9、能几个重点领域顶级国际学术会议年度概况人工智能几个重点领域顶级国际学术会议年度概况 (一)本年度学术会议均为线上举办(一)本年度学术会议均为线上举办 受新冠疫情影响,2020 年度人工智能几个重点领域的这 10 个顶级国际学术 会议都是线上举行。有三个会议 ICLR、CVPR 和 IJCAI 是在上半年举行,其余 七个会议在下半年召开。每个会议的会期一般持续约一周,其中,CVPR 会期最 短,仅举办三天;而机器学习领域三个会议 ICLR、ICML 和 NeurIPS 的会期最 长,都分别持续了七天。这些学术会议具体信息如表 1 所示。 表 1 2020 年度人工智能几个重点领域国际顶会基本情况
10、一览 AI 子领域子领域 会议名称会议名称 会议形式会议形式 注册费(美注册费(美 元)学生元)学生/非学非学 生生 举办日期举办日期 (月(月.日)日) 会期会期 (天)(天) 机器学习 ICLR 线上 50/100 4.25 - 5.01 7 ICML 线上 7.12 - 7.18 7 NeurIPS 线上 25/100 12.06-12.12 7 计算机视觉 CVPR 线上 150/225 6.15-6.17 3 ECCV 线上 8.22-8.27 6 自然语言处理 ACL 线上 50/125 7.05-7.10 6 EMNLP 线上 50/150 11.16-11.20 5 经典 AI
11、 IJCAI 线上 150 1.05-1.10 6 数据挖掘 KDD 线上 50/200 8.22-8.26 5 信息检索与推荐 SIGIR 线上 45/115 7.24-7.29 6 2020 年人工智能几个重点领域顶级国际学术会议分析报告 6 (二)顶会(二)顶会 NeurIPS、CVPR 与与 ECCV 的论文投稿量位于前三的论文投稿量位于前三 本报告所研究的人工智能这几个重点领域的国际顶会在 2020 年共计收到 42683 篇论文投稿,具体分布情况如图 1 所示。从单个会议投稿量看,神经信息 处理系统年会 NeurIPS 在这 10 个会议中所接收到的论文投稿量最多,为 9454 篇
12、论文,同时也在机器学习领域三个会议中居首。其次是计算机视觉与模式识别 会议 CVPR 和欧洲计算机视觉会议 ECCV,分别收到 6656 篇和 5025 篇论文投 稿。相比而言,知识发现和数据挖掘会议 KDD 和信息检索特别兴趣小组 SIGIR 所收到的论文投稿量较少,均不足 2000 篇。从子领域来看,机器学习、计算机 视觉、 自然语言处理三个子领域会议收到的论文投稿总量较多,反映出这些领域 的论文研究成果丰硕。 图 1 人工智能几个重点子领域顶级国际学术会议 2020 年的投稿量情况 (三)顶会论文平均录取率为(三)顶会论文平均录取率为 22.1%、IJCAI 论文录取最难论文录取最难 本
13、报告所研究的人工智能这几个重点领域 10 个国际顶会的论文平均录取率平均录取率 为为 22.1%。各个会议的具体论文收录情况如图 2 所示。 从论文录取数量来看, 机器学习领域 NeurIPS 会议的论文收录数量最多, 为 1900 篇;计算机视觉领域的 CVPR 和 ECCV 的论文收录数量次之,分别位于第 二、第三位。这反映出,计算机视觉和机器学习领域高质量研究成果数量较多。 2020 年人工智能几个重点领域顶级国际学术会议分析报告 7 从论文收录率来看,信息检索领域的会会议 SIGIR 论文录取率最高论文录取率最高,该会议 论文录取率为 28.8%。相比而言,作为人工智能领域的首个国际学
14、术性会议,经 典 AI 领域的国际人工智能联合会议 IJCAI 的论文录取率在的论文录取率在 2020 年的这年的这 10 个国个国 际顶会之中最低际顶会之中最低,为为 12.50%,且相比 IJCAI 2019 年的 17.9%录取率大幅下降, 同时也是 IJCAI 会议自 2013 年以来的最低论文接受率,由此可见,随着 IJCAI 论文审稿愈来愈严格,论文被该会议接受变得越来越难。 在机器学习领域,NeurIPS 会议的论文接受量虽然最多,但是该会议的论文 收录率却最低。在计算机视觉领域,CVPR 会议论文的收录率低于 ECCV。在自 然语言处理领域, ACL 与 EMNLP 两个会议的
15、收录率差别不大; 值得一提的是, 在 EMNLP2020 会议中, 中国的论文接受率只有 13.2%, 远低于大会的平均水平, 而英国、新加坡和丹麦在该会议中有超过 30%的接受率,美国也有 27%的接受 率,可见中国学者论文的接受率还有待提高。 注: ECCV 由于是双年度会议而 2019 年未举办,故无相应的录取率数据;SIGIR 会 议录取数据综合考虑了长论文录取与短论文录取情况。 图 2 人工智能几个重点子领域顶级国际学术会议 2020 年的论文录取情况 (四)关注度前三的(四)关注度前三的 AI 顶会是顶会是 CVPR,NeurIPS 和和 KDD 根据 AMiner 会议系统平台(
16、 https:/ 所研究的 10 个人工智能国际顶会的总关注度为 425,596 次。关注度排名前三的 2020 年人工智能几个重点领域顶级国际学术会议分析报告 8 会议是计算机视觉领域的 CVPR、机器学习领域的 NeurIPS 和数据挖掘领域的 KDD,相应的会议浏览量分别是 102987、64256、58126 次。各个会议平台的浏 览量情况如图 3 所示。机器学习领域三个顶会所受到关注程度整体处于中游。 数据来源:AMiner 会议系统,统计截止到 2020 年 12 月 31 日。 图 3 人工智能 10 个顶级国际学术会议的 AMiner 平台浏览量 二、人工智能二、人工智能最新研
17、究成果和最新研究成果和主题热点主题热点 基于上文所述的人工智能几个重点领域 10 个顶级国际学术会议所收录的论 文,通过对会议论文的标题、摘要和自带关键词进行统计分析和文本聚类,运用 TF-IDF 算法对所研究时段内的主题相关论文数量进行计算,获取论文数量 TOP 20 的热点关键词并制作词云图, 得到人工智能几个重点领域的近五年 (2015-2020 年)来的主题研究热点。 (一)机器学习研究热度最高的分支是深度学习和强化学习(一)机器学习研究热度最高的分支是深度学习和强化学习 综合机器学习领域三个顶级会议(ICLR、NeurIPS、ICML)的论文研究点, 发现近年来机器学习最热门的研究技
18、术点是深度学习(Deep Learning)或深度神 经网络(Deep Neural Networks) 、强化学习(Reinforcement Learning) 、深度强化 学习 (Deep Reinforcement Learning) , 尤其是深度学习中的生成式对抗网络 (GAN, Generative Adversarial Networks)与循环神经网络(Recurrent Neural Network, 102987 64256 58126 57717 35895 30922 30685 22607 18683 12865 02000040000600008000010000
19、0120000 CVPR NeurIPS KDD IJCAI ACL ICLR ICML EMNLP ECCV SIGIR 浏览量(次) 2020 年人工智能几个重点领域顶级国际学术会议分析报告 9 RNN))两大算法模型。这是该领域三个会议的研究热点词云图反映出的一致结 果,相关论文量占比达 14.8%,具体信息如表 2 所示。此外,还都较多涉及了梯 度下降(Gradient Descent )方法。 除了以上共同的研究热点,ICLR 与 ICML 都较多研究了深度学习中的对抗 样本(Adversarial Examples)问题。ICLR 与 NeurIPS 会议论文都较多研究了深 度学习
20、中的卷积神经网络 (Convolutional Neural Networks, CNN) 算法。 而 ICML 和 NeurIPS 两个会议的论文都较多研究了贝叶斯优化 (Bayesian Optimization)、 变分推断(Variational Inference) 、高斯过程(Gaussian Process, GP) 、主动学习 (Active Learning) 、在线学习(Online Learning)等技术点。 就单个会议而言,ICLR 会议论文还较多研究了学习表征(Learning Representations) 、迁移学习(Transfer Learning) 、无
21、监督学习(Unsupervised Learning) 等方法。 ICML 会议论文还涉及了少量的差分隐私 (Differential Privacy) 、 非凸优化 (Nonconvex Optimization) 方法, 以及结构化预测 (Structured Prediction) 问题; NeurIPS 会议论文还较多研究了样本复杂度 (Sample Complexity) 等问题。 表 2 机器学习三大顶会会议论文近年研究热点词云图 会议名称会议名称 2015-2020 会议论文研究热点会议论文研究热点 ICLR ICML 2020 年人工智能几个重点领域顶级国际学术会议分析报告 1
22、0 NeurIPS 注:词云图来源于 AMiner 会议系统。 (二)计算机视觉领域主要研究热点包括目标检测和语义分割(二)计算机视觉领域主要研究热点包括目标检测和语义分割 综合分析 CVPR、ECCV 两个计算机视觉领域顶级国际会议的研究点发现, 目标检测目标检测(Object Detection)与语义分割语义分割(Semantic Segmentation)是计算机视觉 领域近五年(2015-2020)的最热门研究点,相关论文量占比 8%。此外较热门的 研究点还有行为识别 (Action Recognition) 、 行人重识别 (Person Re-Identification) 、
23、人体姿态估计(Human Pose Estimation)、 图像分类 (Image Classification) 等问题, 所采用的手段较多是深度学习(Deep Learning)及其代表算法之一卷积神经网络 (Convolutional Neural Networks)等。这两个会议的论文研究热点具体信息如表 3 所示。 相对而言,CVPR 会议论文还较多研究了视觉问答(Visual Question Answering) 、人脸识别(Face Recognition)等问题,以及生成式对抗网络 (Generative Adversarial Networks)的模型算法;ECCV 会议
24、论文还较多研究了 人脸对齐(Face Alignment) 、视频分类(Video Classification) 、图像描述(Image Captioning) 、 无监督领域自适应 (Unsupervised Domain Adaptation) 等技术问题, 以及无监督学习(Unsupervised Learning)方式。 表 3 计算机视觉顶会 CVPR 与 ECCV 会议论文近年研究热点词云图 会议名称会议名称 2015-2020 会议论文研究热点会议论文研究热点 CVPR 2020 年人工智能几个重点领域顶级国际学术会议分析报告 11 ECCV 注:词云图来源于 AMiner 会
25、议系统。 (三)自然语言处理领域(三)自然语言处理领域神经机器翻译神经机器翻译研究热度居首研究热度居首 综合分析自然语言处理领域两个国际顶会 ACL 和 EMNLP 的论文研究热点 可知, 神经机器翻译 (Neural Machine Translation) 在自然语言处理领域 2015-2020 年的研究热度遥遥领先,其他较热的研究问题还有词嵌入(Word Embeddings) 、 智能问答(Question Answering) 、语义解析(Semantic Parsing) 、实体识别(Entity Recognition) 、文本分类(Text Classification) 、关
26、系抽取(Relation Extraction) 、 自然语言推理(Natural Language Inference)等技术点,较热门的研究对象是社会 媒体(Social Media) ,如表 4 所示。 除此之外,就单个会议而言,ACL 会议论文还较多研究了统计机器翻译 (Statistical Machine Translation) 、领域自适应(Domain Adaptation) 、依存分析 (Dependency Parsing)等问题,较热门的研究方法是深度学习(Deep Learning) 以及深度学习之中的循环神经网络(Recurrent Neural Network)算
27、法等。EMNLP 会议论文还较多研究了包括语言模型 (Language Modeling) 、 语义角色 (Semantic Role) 、 语义分析 (Semantic Analysis) 等问题, 方法较多是关于深度强化学习 (Deep Reinforcement Learning)的。 表 4 自然语言处理顶会 ACL 与 EMNLP 论文近年研究热点词云图 会议名称会议名称 2015-2020会议论文研究热点会议论文研究热点 ACL 2020 年人工智能几个重点领域顶级国际学术会议分析报告 12 EMNLP 注:词云图来源于 AMiner 会议系统。 (四)经典(四)经典 AI 领域近
28、年来研究热点主要是机器学习相关技术领域近年来研究热点主要是机器学习相关技术 通过分析国际顶会 IJCAI 论文发现,经典 AI 领域 2015-2020 年会议论文之 中最热门的研究技术点主要为强化学习(Reinforcement Learning) 、深度学习 (Deep Learning)及其中的卷积神经网络(Convolutional Neural Networks)与循 环神经网络 (Recurrent Neural Network) 算法, 以及迁移学习 (Transfer Learning) 等,较多涉及了问答集编程(Answer Set Programming) 、词嵌入(Wor
29、d Embeddings) 、矩阵分解(Matrix factorization)等研究问题,而社交网络(Social Networks)是这些论文较热门的研究对象,具体研究热点如图 4 所示。 注:词云图来源于 AMiner 会议系统。 图 4 经典 AI 领域国际顶会 IJCAI 近五年会议论文研究热点词云图 (五)数据挖掘领域近年来较多聚焦于社交网络和异常检测研究(五)数据挖掘领域近年来较多聚焦于社交网络和异常检测研究 人工智能数据挖掘领域知名的国际顶级会议是 KDD。通过分析 KDD 会议 论文数据,发现数据挖掘领域研究热点近年来主要是以大数据(Big Data) 、社交 网络 (So
30、cial Networks) 、 社交媒体 (Social Media) 、 异构信息网络 (Heterogeneous information network)等为研究对象,通过采用机器学习(Machine Learning)之 中的深度学习(Deep Learning) 、多任务学习(Multi-Task Learning) 、主动学习 2020 年人工智能几个重点领域顶级国际学术会议分析报告 13 (Active Learning)等方法,关注涉及了数据科学(Data Science) 、推荐系统 (Recommendation Systems) 、 异常检测 (Anomaly Dete
31、ction) 、 显示广告 (Display Advertising) 、点击率预测(Click-Through Rate Prediction) 、高效算法(Efficient Algorithm)等问题,具体研究热点信息如图 5 所示。 注:词云图来源于 AMiner 会议系统。 图 5 数据挖掘领域国际顶会 KDD 近五年会议论文研究热点词云图 (六)信息检索与推荐领域研究热点是信息抽取与网页搜索(六)信息检索与推荐领域研究热点是信息抽取与网页搜索 据信息检索与推荐领域国际顶级会议 SIGIR 论文数据显示,该领域近五年 (2015-2020)科研论文主要是针对社交媒体(Social M
32、edia) 、电商搜索(e- Commerce Search) 、社会网络(Social Networks)等研究对象,研究关于信息抽 取 (Information Retrieval) 、 网络搜索 (Web Search) 、 问答 (Question Answering) 、 推荐系统(Recommendation Systems) 、查询性能预测(Query Performance Prediction)等热点问题,所采用的较热门技术方法包括知识图谱(Knowledge Graphs) 、 知识库 (Knowledge Bases) 、 主动学习 (Active Learning) 、
33、 弱监督 (Weak Supervision)等技术点。 注:词云图来源于 AMiner 会议系统。 图 6 信息检索与推荐领域国际顶会 SIGIR 近五年会议论文研究热点词云图 2020 年人工智能几个重点领域顶级国际学术会议分析报告 14 三、人工智能国际顶会最佳论文分析三、人工智能国际顶会最佳论文分析 本年度人工智能几个重点领域国际顶会共计评选出 13 篇最佳论文,截至本 报告时段1总引用量达到 999 次。通过命名消歧和信息抽取等大数据分析和挖掘 技术,分析发现这些顶会最佳论文具有如下特征。 (一)最佳论文作者来自美英中以意新六个国家(一)最佳论文作者来自美英中以意新六个国家 在 20
34、20 年人工智能会议中,获得最佳论文奖项的论文共计 13 篇,参与作者 共计 51 人。从所属国家来看,最佳论文的作者最佳论文的作者分别来自美国、中国、英国、意美国、中国、英国、意 大利、新加坡大利、新加坡以及以色列以色列。其中美国获得会议最佳论文的作者有 35 位,占比最 高,达到 68.6%,分别来自于斯坦福大学、加州大学伯克利分校、普林斯顿大学 等高校以及 OpenAI、谷歌研究等企业研究部门,数量远超其他国家。其次是中 国获得顶级学术会议最佳论文的作者数量占比达 9.8%,位于第三。 图 7 人工智能几个重点领域国际顶会最佳论文作者所属国家分布 (二)最佳论文全部存在跨国或跨机构合作现
35、象(二)最佳论文全部存在跨国或跨机构合作现象 本年度人工智能几个重点领域顶会最佳论文呈现出跨国跨机构多位作者合最佳论文呈现出跨国跨机构多位作者合 作的特征作的特征:在被授予的 13 篇最佳论文中,没有论文是由单一作者独立完成,全 1 引用数据统计截至 2020 年 12 月 31 日。 美国 68.6% 英国 11.8% 中国 9.8% 意大利 3.9% 新加坡 3.9% 以色列 2.0% 2020 年人工智能几个重点领域顶级国际学术会议分析报告 15 部都是由不同国家或不同机构的多位学者合作而完成的。在这些合作论文之中, 论文作者数量最少为 2 位,最多达 31 位,详细信息如表 5 所示。
36、例如,中国北 京理工大学硕士生 Kaixuan Wei 为一作的论文 Tuning-free Plug-and-Play Proximal Algorithm for Inverse Imaging Problems 是他与本校计算机学院教授 Ying Fu(付 莹) 、Hua Huang(黄华) ,以及剑桥大学博士后 Jingwei Liang(梁经纬) 、Aviles- Rivero Angelica 等 6 位学者合作完成的。 表 5 人工智能几个重点领域国际顶会 2020 年最佳论文信息表 顶会名称顶会名称 最佳论文标题及链接最佳论文标题及链接 作者作者 所属国家所属国家/机构机构 引
37、用量引用量 ICML2020 Tuning-free Plug-and- Play Proximal Algorithm for Inverse Imaging Problems Kaixuan Wei, Angelica Aviles- Rivero, Jingwei Liang, Ying Fu, Carola-Bibiane Schnlieb, Hua Huang 中国北京理工大 学,英国剑桥大 学 8 On Learning Sets of Symmetric Elements Haggai Maron, Or Litany, Gal Chechik, Ethan Fetaya 美国N
38、AVIDA实 验室,美国斯坦 福大学,以色列 巴伊兰大学 7 NeurIPS 2020 Language Models are Few-Shot Learners Tom Brown, Benjamin Mann, Nick Ryder, Melanie Subbiah, Jared D Kaplan, Prafulla Dhariwal, Arvind Neelakantan, Pranav Shyam, Girish Sastry, Amanda Askell, Sandhini Agarwal, Ariel Herbert-Voss, Gretchen Krueger, Tom Heni
39、ghan, Rewon Child, Aditya Ramesh, Daniel Ziegler, Jeffrey Wu, Clemens Winter, Chris Hesse, Mark Chen, Eric Sigler, Mateusz Litwin, Scott Gray, Benjamin Chess, Jack Clark, Christopher Berner, Sam McCandlish, Alec Radford, Ilya Sutskever, Dario Amodei 美国 OpenAI 771 No-Regret Learning Andrea Celli, Fac
40、ebook、意大4 2020 年人工智能几个重点领域顶级国际学术会议分析报告 16 顶会名称顶会名称 最佳论文标题及链接最佳论文标题及链接 作者作者 所属国家所属国家/机构机构 引用量引用量 Dynamics for Extensive-Form Correlated Equilibrium Alberto Marchesi, Gabriele Farina, Nicola Gatti 利 米 兰 理 工 大 学、卡内基梅隆 大学 Improved guarantees and a multiple-descent curve for Column Subset Selection and t
41、he Nystrom method Michal Derezinski, Rajiv Khanna, Michael W Mahoney 美国加州大学伯 克利分校 2 EMNLP 2020 Digital voicing of Silent Speech David Gaddy Dan Klein 美国加州大学伯 克利分校 1 ACL 2020 Beyond Accuracy: Behavioral Testing of NLP Models with CheckList Ribeiro Marco Tulio,Wu Tongshuang ( 吴 彤 霜),Guestrin Carlos,Si
42、ngh Sameer 美 国 微 软 研 究 院,美国华盛顿 大学,美国加州 大学欧文分校 70 ECCV 2020 RAFT: Recurrent All- Pairs Field Transforms for Optical Flow Zachary Teed, Jia Deng 美国普林斯顿大 学 61 CVPR 2020 Unsupervised Learning of Probably Symmetric Deformable 3D Objects from Images in the Wild Wu Shangzhe (吴尚 哲 ) , Rupprecht Christian ,
43、Vedaldi Andrea 英国牛津大学 39 KDD 2020 On Sampled Metrics for Item Recommendation Walid Krichene , Steffen Rendle 美国谷歌研究院 16 SIGIR 2020 Controlling Fairness and Bias in Dynamic Learning-to-rank Marco Morik, Ashudeep Singh , Jessica Hong, Thorsten Joachims 美国康奈尔大学 11 IJCAI 2020 Synthesizing Aspect- Driven
44、 Recommendation Explanations from Reviews Trung-Hoang Le , Hady W. Lauw 新加坡管理大学 3 A Multi-Objective Approach to Mitigate Negative Side Effects Sandhya Saisubramanian , Ece Kamar , Shlomo Zilberstein 美国马萨诸塞大 学、微软研究院 6 注: ICLR 2020 不设最佳论文奖;引用量数据截止到 2020 年 12 月 31 日。 (三)九成以上会议最佳论文不是该会议的最高被引论文(三)九成以上会议最
45、佳论文不是该会议的最高被引论文 根据 AMiner 会议系统截止到 2020 年 12 月 31 日数据,在所研究的 10 个人 工智能国际顶会之中,超过 90%的最高被引论文不是相应会议 2020 年度的最佳 2020 年人工智能几个重点领域顶级国际学术会议分析报告 17 会议论文。对照表 6 和上文的表 5 可以发现,仅有一篇论文既是最佳论文又是 高被引论文,这篇论文是 NeurIPS 2020 的最佳会议论文之一、由美国 OpenAI 公 司发布的论文 Language Models are Few-Shot Learners,该文的引用量为 771 次 (在本报告研究时段内) 。如果将
46、最佳论文看成是会议组织方与同行评审的认可 和奖励、将论文的引用次数看作是大众研究者给予的客观评价,那么此数据反映 出会议同行评审人与大众研究者关于论文的评价仅有约 10%是一致的。 表 6 人工智能几个重点领域国际顶会 2020 年最高被引论文信息表 顶会名称顶会名称 最高被论文标题及最高被论文标题及 链接链接 作者作者 所属国家所属国家/机构机构 引用量引用量 ICML2020 A Simple Framework for Contrastive Learning of Visual Representations Chen Ting,Kornblith Simon,Norouzi Moha
47、mmad,Hinton Geoffrey 美 国Google Research, Brain Team. 874 ICLR2020 ALBERT: A Lite BERT for Self- supervised Learning of Language Representations Zhenzhong Lan,Mingda Chen,Sebastian Goodman,Kevin Gimpel,Piyush Sharma,Radu Soricut 美国谷歌研究 院;芝加哥丰 田技术研究所 1071 NeurIPS 2020 Language Models are Few-Shot Lear
48、ners Tom Brown, Benjamin Mann, Nick Ryder, Melanie Subbiah, Jared D Kaplan, Prafulla Dhariwal, Arvind Neelakantan, Pranav Shyam, Girish Sastry, Amanda Askell, Sandhini Agarwal, Ariel Herbert-Voss, Gretchen Krueger, Tom Henighan, Rewon Child, Aditya Ramesh, Daniel Ziegler, Jeffrey Wu, Clemens Winter,
49、 Chris Hesse, Mark Chen, Eric Sigler, Mateusz Litwin, Scott Gray, Benjamin Chess, Jack Clark, Christopher Berner, Sam 美国 OpenAI 771 2020 年人工智能几个重点领域顶级国际学术会议分析报告 18 顶会名称顶会名称 最高被论文标题及最高被论文标题及 链接链接 作者作者 所属国家所属国家/机构机构 引用量引用量 McCandlish, Alec Radford, Ilya Sutskever, Dario Amodei EMNLP 2020 Few-shot Natu
50、ral Language Generation for Task-Oriented Dialog Peng Baolin,Zhu Chenguang,Li Chunyuan,Li Xiujun,Li Jinchao,Zeng Michael,Gao Jianfeng 美国微软研究 院 27 Revisiting Pre- Trained Models for Chinese Natural Language Processing Cui Yiming,Che Wanxiang,Liu Ting,Qin Bing,Wang Shijin,Hu Guoping 中国哈尔滨工 业大学;中国 科大讯飞