XiaoMi-AI文件搜索系统
World File Search SystemNeurips
cv.pdf div>
公共许可策略线性上下文匪徒托马斯·克莱恩·布宁（Thomas Kleine Buening），aadirupa saha，Christos dimitrakakis，Haifeng XU神经信息处理系统会议（Neurips），2024年，[PDF]，[PDF]逆增强的环境设计 2024, [pdf ] Bandits Meet Mechanism Design to Combat Clickbait in Online Recommendation Thomas Kleine Buening , Aadirupa Saha, Christos Dimitrakakis, Haifeng Xu International Conference on Learning Representations (ICLR), Spotlight Presentation , 2024, [pdf ] ANACONDA: An Improved Dynamic Regret Algorithm for Adaptive Non‑Stationary Dueling Bandits Thomas Kleine Buening，Aadirupa Saha人工智能与统计国际会议（AISTATS），2023年，[PDF] minimax -bayes辅助学习Thomas Kleine Buening*，Christos dimitrakakis*，Hannes Eriksson*，Hannes Eriksson*，Hannes Eriksson*，Divya Grover*，Divya Grove*，Emilio Jorge*国际人工智能和人工智能和统计局（A）
InstaDeep 跻身 100 家最具创新力的 AI 初创公司之列
NeurIPS。同样在 2018 年，InstaDeep 团队在 NeurIPS 深度强化学习研讨会上展示了尖端研究成果，论文为 Ranked Reward。“对获得这一认可，我们感到非常自豪和谦卑。自我们作为一家初创公司起步以来的六年里，我们取得的成就超出了我们的想象，但这仍然感觉像是一个开始。我们的人工智能研发团队实力不断增强，现在我们正在通过可扩展的深度强化学习平台为企业客户提供实实在在的价值，这是很少有公司能够实现的。我们迫不及待地想看看未来会怎样”，InstaDeep 联合创始人兼首席执行官 Karim Beguir 说道。非凡的成功“在过去四年中，入选人工智能 100 强的公司取得了非凡的成功。2019 年的人工智能 100 强中有 48 家公司筹集了 49 亿美元的额外融资，9 家被收购”，CB Insights 首席执行官 Anand Sanwal 表示。 “我们很高兴地看到，CB Insights 通过数据驱动的方法，利用专利、客户吸引力、投资者质量、市场规模等来识别顶尖的人工智能公司，并非常有效地挑选出未来的人工智能赢家。我们期待看到 2020 年人工智能 100 强公司在今年及以后取得的成就。” 除了颠覆医疗、零售和金融等核心行业之外，2020 年人工智能 100 强公司还在重塑更广泛的企业技术堆栈。 这些公司遍布全球，包括美国、英国、中国、智利和南非，得到 600 多名投资者的支持。 从 5,000 家公司中选出 CB Insights 研究团队采用基于证据的方法，从近 5,000 家公司中选出了人工智能 100 强，选拔标准包括专利活动、投资者质量、新闻情绪分析、专有 Mosaic 分数、市场潜力、合作伙伴关系、竞争格局、团队实力和技术新颖性。基于 CB Insights 算法的 Mosaic 分数可衡量私营公司的整体健康状况和增长潜力，以帮助预测公司的发展势头。
Arne Jonni Suppe电子邮件：asuppe@smu.edu.sg 80 Stamford ...
[1]。Zhongzhan Huang，Pan Zhou，Shuicheng Yan，Liang Lin。 通过缩放网络长跳连接进行扩散模型的更稳定训练。 神经信息处理系统（神经），2023 [2]。 上海Gao，Pan Zhou，Ming -Ming Cheng，Shuicheng Yan。 掩盖扩散变压器是强大的图像合成器。 国际计算机视觉会议（ICCV），2023 [3]。 li，Xiangyu Xu，Hehe Fan，Pan Zhou，Jun Liu，Jia -Wei Liu，Jiahe Li，Jussi Keppo，Mike Zheng Shoun，Shuichen Yan。 史密图：时空临时隐私的行动识别。 国际计算机视觉会议（ICCV），2023 [4]。 Alex Jinpeng Wang，Pan Zhou，Mike Zheng Shou，Shuicheng Yan。 位置引导的文本提示，以进行视力 - 语言预训练。 IEEE计算机视觉和模式识别会议（CVPR），2023 [5]。 pan Zhou，Xingyu Xie，Shuicheng Yan。 胜利：自适应梯度算法的重量 - 纳斯特诺夫加速度。 国际学习表征会议（ICLR），2023年（口头）[6]。 Jiachun Pan*，Pan Zhou*，Shuicheng Yan。 了解为什么掩盖重建预处理有助于下游任务。 国际学习表征会议（ICLR），2023年（*同等贡献）[7]。 Bowen Dong，Pan Zhou，Shuicheng Yan，Wangmeng Zuo。 lpt：长时间的提示调整以进行图像分类。 国际学习表现会议（ICLR），2023 [8]。 chenyang si*，weihao yu*，pan Zhou，Yichen Zhou，Xinchao Wang，Shuichen Yan。Zhongzhan Huang，Pan Zhou，Shuicheng Yan，Liang Lin。通过缩放网络长跳连接进行扩散模型的更稳定训练。神经信息处理系统（神经），2023 [2]。上海Gao，Pan Zhou，Ming -Ming Cheng，Shuicheng Yan。掩盖扩散变压器是强大的图像合成器。国际计算机视觉会议（ICCV），2023 [3]。li，Xiangyu Xu，Hehe Fan，Pan Zhou，Jun Liu，Jia -Wei Liu，Jiahe Li，Jussi Keppo，Mike Zheng Shoun，Shuichen Yan。史密图：时空临时隐私的行动识别。国际计算机视觉会议（ICCV），2023 [4]。Alex Jinpeng Wang，Pan Zhou，Mike Zheng Shou，Shuicheng Yan。 位置引导的文本提示，以进行视力 - 语言预训练。 IEEE计算机视觉和模式识别会议（CVPR），2023 [5]。 pan Zhou，Xingyu Xie，Shuicheng Yan。 胜利：自适应梯度算法的重量 - 纳斯特诺夫加速度。 国际学习表征会议（ICLR），2023年（口头）[6]。 Jiachun Pan*，Pan Zhou*，Shuicheng Yan。 了解为什么掩盖重建预处理有助于下游任务。 国际学习表征会议（ICLR），2023年（*同等贡献）[7]。 Bowen Dong，Pan Zhou，Shuicheng Yan，Wangmeng Zuo。 lpt：长时间的提示调整以进行图像分类。 国际学习表现会议（ICLR），2023 [8]。 chenyang si*，weihao yu*，pan Zhou，Yichen Zhou，Xinchao Wang，Shuichen Yan。Alex Jinpeng Wang，Pan Zhou，Mike Zheng Shou，Shuicheng Yan。位置引导的文本提示，以进行视力 - 语言预训练。IEEE计算机视觉和模式识别会议（CVPR），2023 [5]。pan Zhou，Xingyu Xie，Shuicheng Yan。胜利：自适应梯度算法的重量 - 纳斯特诺夫加速度。国际学习表征会议（ICLR），2023年（口头）[6]。Jiachun Pan*，Pan Zhou*，Shuicheng Yan。 了解为什么掩盖重建预处理有助于下游任务。 国际学习表征会议（ICLR），2023年（*同等贡献）[7]。 Bowen Dong，Pan Zhou，Shuicheng Yan，Wangmeng Zuo。 lpt：长时间的提示调整以进行图像分类。 国际学习表现会议（ICLR），2023 [8]。 chenyang si*，weihao yu*，pan Zhou，Yichen Zhou，Xinchao Wang，Shuichen Yan。Jiachun Pan*，Pan Zhou*，Shuicheng Yan。了解为什么掩盖重建预处理有助于下游任务。国际学习表征会议（ICLR），2023年（*同等贡献）[7]。Bowen Dong，Pan Zhou，Shuicheng Yan，Wangmeng Zuo。lpt：长时间的提示调整以进行图像分类。国际学习表现会议（ICLR），2023 [8]。chenyang si*，weihao yu*，pan Zhou，Yichen Zhou，Xinchao Wang，Shuichen Yan。启动变压器。神经信息处理系统（Neurips），2022（口服）（*均等贡献）[9]。Yuxuan Liang，Pan Zhou，Roger Zimmermann，Shuicheng Yan。双形式：局部全球分层变压器，以进行有效的视频识别。欧洲计算机视觉会议（ECCV），2022 [10]。Junbin Xiao，Pan Zhou，Tat -Seng Chua，Shuicheng Yan。 视频问题的视频图形变压器Junbin Xiao，Pan Zhou，Tat -Seng Chua，Shuicheng Yan。视频问题的视频图形变压器
gi-cheon kang
服务审查（ML）神经信息处理系统（NEURIPS）2023 - 2024（ML）国际机器学习会议（ICML）2024 - 2025（ML）国际学习表征国际会议（ICLR）2024 - 2024 - 2025 - 2025（AI）AAAI AAAI会议AAAI年度会议（AAAI）年度（AAAI）2025（AAAI）202 202 ACL（NLP）ACL（NLP）ACL（NLP）ACL（NLP）ACL（NLP）ACL（NLP）ACL（NLP）ACL（NLP）ACL（NLP）ACL（NLP）ACL（NLP）ACL（NLP）ACL（NLP）ACL（NLP）ACL滚动（NLP）计算语言学协会会议（ACL）2023 - 2024（NLP）自然语言处理中的经验方法（EMNLP）2022 - 2023（机器人技术）IEEE机器人和自动化信函（RA-L）2024 2024（ra-l）2024（robotics）IEEE/RSJ国际智能机器人和机器人（IROS）20224（IROS）20224（IROS）（IROS）2024（IROS） （langrob）2024（研讨会）ICLR关于可靠和负责任的基础模型2024（研讨会）ICML预训练的研讨会：观点，陷阱和前进道路2022
Rishi D. Jha
[1] Tingwei Zhang *，Rishi Jha *，Eugene Bagdasaryan和Vitaly Shmatikov。“多模式嵌入中的对抗性幻觉”。在：第33 USENIX安全研讨会（USENIX）。获得了杰出的纸张奖（占接受论文的5％）。2024年8月。[2] Rishi Jha *，Jonathan Hayase *和Sewoong Oh。“标签中毒就是您所需要的”。：第37届神经信息处理系统（神经）会议。2023年12月。[3] Dimitrios C. Gklezakos，Rishi Jha和Rajesh P.N.Rao。 “超宇宙策略近似：学习使用超核从单个图像生成动作”。 in：Neurovision 2022：CVPR研讨会（Neurovision @ cvpr）。 2022年6月。 [4] Rishi Jha和Kai Mihata。 “关于文本分类的大地距离和上下文嵌入压缩”。 在：关于自然语言处理方法的第十五个研讨会论文集（TextGraphs -15 @ NaAcl）。 2021年6月。Rao。“超宇宙策略近似：学习使用超核从单个图像生成动作”。in：Neurovision 2022：CVPR研讨会（Neurovision @ cvpr）。2022年6月。[4] Rishi Jha和Kai Mihata。“关于文本分类的大地距离和上下文嵌入压缩”。在：关于自然语言处理方法的第十五个研讨会论文集（TextGraphs -15 @ NaAcl）。2021年6月。
金港MA
• IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 2019–2022, 2024 • IEEE International Conference on Computer Vision (ICCV) 2019, 2021 • European Conference on Computer Vision (ECCV) 2020, 2022 • AAAI Conference on Artificial Intelligence (AAAI) 2020–2022 • Neural Information Processing Systems (NeurIPS) 2020, 2021 • IEEE International Conference on Multimedia and Expo (ICME) 2019 • ACM SIGGRAPH 2013–2020, 2022, 2023 • ACM SIGGRAPH Asia 2013–2019, 2021, 2022 • Eurographics 2010, 2013–2018, 2020 • Pacific Graphics 2011, 2013, 2014, 2018 • Computer Graphics International (CGI) 2012 • CAD/Graphics 2013 • Asian Conference on Computer Vision (ACCV) 2016 • IEEE VR 2018•图形上的ACM交易•图像处理上的IEEE交易•IEEE可视化和计算机图形的IEEE交易•IEEE计算机图形和应用程序
Pengfei Cai
•朝着局部关注和流动匹配风格的校正的长期推出：额叶聚合PDES中的一个例子。Pengfei Cai，Sulin Liu，Qibang Liu，Philippe Geubelle，Rafael Gomez-Bombarelli。（2024）。在ML关于物理科学的ML的Neurips 2024研讨会上介绍。预印本。•使用可区分的模拟学习额叶聚合PDE的治疗动力学。Pengfei Cai，Qibang Liu，Philippe Geubelle，Rafael Gomez-Bombarelli。（2024）。ICML 2024 AI科学研讨会；关于数据驱动和可区分模拟，替代物和求解器的神经研讨会。预印本。•基于额叶聚合制造中形态学模式设计的单变量变异自动编码器。Qibang Liu，Pengfei Cai，Diab Abueidda，Seid Koric，Rafael Gomez-Bombarelli，Philippe Geubelle。（2024）。提交：应用机制和工程中的计算机方法。预印本。•具有准确的混合功能的无机化合物的计算的拉曼光谱数据库。Yuheng Li，Damien K. J. Lee，Pengfei Cai，Ziyi Zhang，Prashun Gorai，Pieremanuele Canepa。 （2024）。 科学数据。 纸链接。 •从“无特征”光吸收光谱中鉴定化学成分：机器学习预测和实验验证。 Tiankai Chen*，Jiali Li*，Pengfei Cai，Qiaofeng Yao，Zekun Ren，Yixin Zhu，Saif Khan，Jianping Xie，Xiaonan Wang。 （2023）。 纳米研究。 纸链接。 （2022）。Yuheng Li，Damien K. J. Lee，Pengfei Cai，Ziyi Zhang，Prashun Gorai，Pieremanuele Canepa。（2024）。科学数据。纸链接。•从“无特征”光吸收光谱中鉴定化学成分：机器学习预测和实验验证。Tiankai Chen*，Jiali Li*，Pengfei Cai，Qiaofeng Yao，Zekun Ren，Yixin Zhu，Saif Khan，Jianping Xie，Xiaonan Wang。（2023）。纳米研究。纸链接。（2022）。•通过第一原则理解和机器学习加速了近红外II分子荧光团的设计。Shidang Xu*，Pengfei Cai*，Jiali Li，Xianhe Zhang，Xianglong Liu，Xiaonan Wang，bin liu。ChemRXIV预印本（实验验证正在进行）。预印本。•聚集时机器学习辅助准确预测分子光学性能。Shidang Xu*，小刘*，Pengfei Cai，Jiali Li，Xiaonan Wang，bin liu。（2022）。高级科学。纸链接。•通过贝叶斯搜索进行第一原则模拟的贝叶斯搜索自我提出的光敏剂发现系统。Shidang Xu*，Jiali li*，Pengfei Cai，小刘，本·刘，小王。（2021）。美国化学学会杂志。纸链接。
Dung（Daniel）NGO先生Dung（Daniel）NGO先生
1。Ally Yalei du ∗，Daniel Ngo ∗和Zhiwei Steven Wu。对下游决策制定的模型多样性。国际学习表征会议（ICLR），2025。2。Xinyan Hu ∗，Daniel Ngo ∗，Zhiwei Steven Wu和Aleksandrs Slivkins。激励组合匪徒探索。神经信息处理系统（神经），2022。3。Daniel Ngo ∗，Giuseppe Vietri ∗和Zhiwei Steven Wu。在Linearmdp中，差异私人探索改善了遗憾。国际机器学习会议（ICML），2022年。4。Keegan Harris，Daniel Ngo ∗，Logan Stapleton *，Hoda Heidari和Zhiwei Steven Wu。战略工具变量回归：从战略反应中恢复因果关系。国际机器学习会议（ICML），2022年。5。Daniel Ngo ∗，Logan Stapleton ∗，Vasilis Syrgkanis和Zhiwei Steven Wu。使用算法仪器激励探索。机器学习国际会议（ICML），2021。
利比亚经验：利用人工智能实现和平
与战区“难以接触”的人群对话存在重大的政治、后勤和安全困难，更不用说语言障碍了。人工智能可以用来快速实时收集和分析大量样本的数据。2019 年 12 月，联合国和拥有人工智能对话平台的初创公司 Remesh AI 在“人工智能造福社会研讨会”上发表了一篇论文，该研讨会是当年在加拿大温哥华举行的神经信息处理系统 (NeurIPS) 会议的一部分。他们描述了机器学习过程，用于识别不同人群对各种主张的一致性。他们还强调了将这种方法应用于冲突解决时可能遇到的困难：提出的问题存在偏见、样本人群存在偏见以及未能将表达的观点置于上下文中。考虑到所有这些问题，联合国驻也门和利比亚特使和代表团寻求联合国政治事务和政治部创新小组的支持，在 2020 年至 2021 年期间试验性地部署 Remesh AI 平台作为对话工具。
Max Simchowitz
最佳纸质决赛入围者，机器人科学与系统（RSS），2023年。杰出纸质奖，国际机器学习会议（ICML），2022。开放慈善AI奖学金，Good Ventures Foundation，2019年。最佳纸质奖，关于社会商品的AI的神经联合研讨会，2019年。最佳纸质奖，国际机器学习会议（ICML），2018年。伯克利大学加利福尼亚大学，伯克利大学和罗斯希尔基金会，2018年。TONG LEONG LIM博士前奖，加利福尼亚大学伯克利分校，2017年。NSF GRFP奖学金，NSF，2015-2017。乔治·科文顿（George B. Covington）数学卓越奖，普林斯顿大学，2015年。Phi Beta Kappa，早期入职（毕业班的前2％），普林斯顿大学，2014年。夏皮罗学术卓越奖，普林斯顿大学，2012年和2013年。Manfred Pyka物理纪念奖，普林斯顿大学，2012年。Quin Morton '36写作奖，普林斯顿大学，2012年。