6月6日预告 | ICLR 2023 深度学习领域顶会专场二
点击蓝字
关注我们
AI TIME欢迎每一位AI爱好者的加入！
哔哩哔哩直播通道
扫码关注AI TIME哔哩哔哩官方账号预约直播
2023年6月6日
10:00-12:00 14:00-17:00
10:00——12:00
张载熙
中国科学技术大学计算机学院博士生，导师刘淇教授，研究方向为AI for Science 和 Trustworthy AI
报告题目：
基于分子片段的配体小分子生成
杜伊涵
清华大学交叉信息研究院博士生，研究方向是在线学习和强化学习。
报告题目：
基于CVaR的风险敏感的强化学习
孔祥哲
清华大学计算机系博士生，研究方向是AI4science, AIDD
报告题目：
基于等变图网络的条件抗体生成
李昊轩
北京大学数据科学（统计学）博士，研究方向为因果推断和机器学习。
报告题目：
基于双稳健学习的推荐系统去偏
解佳豪
新加坡南洋理工大学MMLab博士生，主要研究方向为自监督学习、表征学习
报告题目：
用于自监督视觉预训练的掩码频率建模
陈弘毅
卡耐基梅隆大学机器人博士
报告题目：
利用序列模型的能量最小化迭代规划
陈皓
卡耐基梅隆大学ECE博士
报告题目：
半监督学习FreeMatch和SoftMatch
任毅
UBC博士，对系统性泛化及iterated learning感兴趣
报告题目：
在finetune之前，如何准备task head？
14:00——17:30
陈奕廷
上海交通大学博士生
报告题目：
GNN分布外检测：从能量模型出发
朱嘉宁
香港浸会大学计算机系博士生，主要研究方向为鲁棒机器学习
报告题目：
对抗联邦学习下鲁棒模型聚合的加剧异质性
王启舟
香港浸会大学计算机系博士生，主要研究方向分布外检测
报告题目：
隐式数据变换与其在分布外检测学习中的应用
岑俊
香港科技大学博士生 研究方向为分布外检测
报告题目：
统一分布外检测
刁诗哲
香港科技大学二年级博士生 研究方向语言模型和多模态模型的预训练与微调。
报告题目：
统一多模态理解与生成范式：生成式多模态基础模型的探索
周耕墨
中国人民大学高瓴人工智能学院博士生，研究方向是AI4science,小分子相关药物设计
报告题目：
Uni-Mol：通用3D分子表示学习框架
殷明
UCSB计算机系博士生，主要研究方向为离线强化学习
报告题目：
可微函数逼近的离线强化学习的有效性理论
李达程
伯克利PhD，师从Ion Stoica和Eric Xing，研究机器学习和分布式系统，在CVPR/NIPS/ICLR都发过文
报告题目：
MPCFormer：快，高质量，隐私化的Transformer推理
袁锐
Meta AI 研究实验室 (原FAIR实验室) 和巴黎高电 (Télécom Paris) 博士毕业生，研究机器学习的优化算法和强化学习
报告题目：
关于自然策略梯度法 (natural policy gradient) 求解用线性对数模型近似策略 (log-linear policy) 的强化学习优化问题的线性收敛分析理论
舒瑶
新加坡国立大学博士，研究方向包括自动化机器学习、优化算法、数据优化等。个人主页：https://shuyao95.github.io
报告题目：
基于轨迹信息的零阶优化与导数估计
马彦彪
西安电子科技大学博士在读，不平衡学习方向
报告题目：
语义尺度不平衡
大家可以在群内进行提问，请添加“AI TIME小助手（微信号：AITIME_HY）”，回复“ICLR”，将拉您进“AI TIME ICLR交流群”！
AI TIME微信小助手
往期精彩文章推荐
记得关注我们呀！每天都有新知识！
关于AI TIME
AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。
迄今为止，AI TIME已经邀请了1100多位海内外讲者，举办了逾550场活动，超600万人次观看。
我知道你
在看
哦
~
点击 阅读原文 预约直播！