XiaoMi-AI文件搜索系统
World File Search SystemICLR
ICLR 2024 表征对齐研讨会 (Re- ...
什么构成了良好的表示？这个问题在机器学习中可以通过以下几种方式之一来解决：通过评估下游行为（例如，Geirhos 等人，2018 年），通过检查内部表示（例如，Kornblith 等人，2019 年），或通过表征系统的归纳偏差（例如，Kumar 等人，2022 年）。这些方法中的每一种都涉及在某种分析层面（无论是行为、内部表征还是介于两者之间的某种东西）测量人工智能系统与地面真实系统（通常是人类或人类群体）的一致性。然而，尽管有这个共同的目标，但研究人工智能和生物智能系统之间一致性的机器学习、神经科学和认知科学界目前缺乏一个跨方法和学科传达见解的共同框架。该研讨会旨在通过定义、评估和理解生物和人工系统之间表征对齐的含义来弥合这一差距。我们邀请机器学习、神经科学和认知科学界的研究人员以受邀演讲、投稿论文和结构化讨论的形式参与讨论，以解决以下问题：
决策的生成模型ICLR'24研讨会建议
Roberta Reareanu是Meta的研究科学家，也是UCL的名誉讲师。她从纽约大学获得了计算机科学博士学位，在那里她从事深度强化学习的概括。目前，她通过培训反馈和与外部工具，环境和人类的互动来培训他们，从而增强基础模型，从而增强基础模型。罗伯塔（Roberta）先前已经在ICML 2021上的无监督RL（URL）的研讨会，开放式的代理人学习（芦荟）（芦荟）在ICLR 2022和Neurips 2023以及2023年NEURIPS 2023的社会负责语言模型研究工作室。