2024/01/17 14:55

ICLR 2024接收率31％，清华LCM论文作者：讲个笑话，被拒了

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%。

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。

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。

^{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。

^{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。

^{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。

^{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？

^{图源：https://openreview.net/forum?id=duBCwjb68o}

机器之心的各位读者，你们提交的论文中了吗？

欢迎中了的小伙伴向机器之心投稿。投稿邮箱：liyazhou@jiqizhixin.com

产业深度学习ICLR 2024

相关数据

清华大学机构

清华大学（Tsinghua University），简称“清华”，由中华人民共和国教育部直属，中央直管副部级建制，位列“211工程”、“985工程”、“世界一流大学和一流学科”，入选“基础学科拔尖学生培养试验计划”、“高等学校创新能力提升计划”、“高等学校学科创新引智计划”，为九校联盟、中国大学校长联谊会、东亚研究型大学协会、亚洲大学联盟、环太平洋大学联盟、清华—剑桥—MIT低碳大学联盟成员，被誉为“红色工程师的摇篮”。清华大学的前身清华学堂始建于1911年，因水木清华而得名，是清政府设立的留美预备学校，其建校的资金源于1908年美国退还的部分庚子赔款。1912年更名为清华学校。1928年更名为国立清华大学。1937年抗日战争全面爆发后南迁长沙，与北京大学、南开大学组建国立长沙临时大学，1938年迁至昆明改名为国立西南联合大学。1946年迁回清华园。1949年中华人民共和国成立，清华大学进入了新的发展阶段。1952年全国高等学校院系调整后成为多科性工业大学。1978年以来逐步恢复和发展为综合性的研究型大学。

http://www.tsinghua.edu.cn/

相关技术

知识图谱

深度学习技术

深度学习（deep learning）是机器学习的分支，是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。深度学习是机器学习中一种基于对数据进行表征学习的算法，至今已有数种深度学习框架，如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

来源：LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436.

机器学习技术

机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。

来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.

图像生成技术

图像生成（合成）是从现有数据集生成新图像的任务。

来源：paperswithcode

田渊栋人物

田渊栋，Facebook人工智能研究院智能围棋、星际争霸项目负责人。

来源：个人网站

机器之心机构

机器之心，成立于2014年，是国内最具影响力、最专业、唯一用于国际品牌的人工智能信息服务与产业服务平台。目前机器之心已经建立起涵盖媒体、数据、活动、研究及咨询、线下物理空间于一体的业务体系，为各类人工智能从业者提供综合信息服务和产业服务。

https://www.jiqizhixin.com/