6月7日预告 | ICLR 2023 深度学习领域顶会专场三

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7日

10:00-11:30  14:00-15:30

10:00——11:30

何昊

麻省理工博士生，研究方向为机器学习与健康医疗

报告题目：

针对对比学习的无差别数据投毒攻击

刘政哲

香港中文大学博士生，研究方向AIGC，3D生成。2022微软学者提名。

个人主页 https://liuzhengzhe.github.io/

报告题目：

以图为梯：文本到3D形状生成

张一帆

新加坡国立大学博士，研究方向为Generalized ML和Distribution Shift Problem, 目前在NeurIPS, ICML, ICLR, CVPR等国际会议发表多篇论文。个人学术主页：https://scholar.google.com/citations?user=zuYIUJEAAAAJ&hl=en

报告题目：

在开放环境下实现稳定的测试时模型自适应

张作柏

魁北克人工智能研究中心(Mila - Quebec AI Institute)在读博士，研究方向为AI4Protein，Geometric Deep Learning，个人主页：https://oxer11.github.io/

报告题目：

基于蛋白质结构的预训练与表征学习

陈天翼

微软高级研究员

报告题目：

一站式自动化通用网络训练剪枝框架OTO

卢雨洁

UCSB二年级博士生，研究方向计算机视觉与自然语言处理

报告题目：

结合常识提示的神经-符号性因果程序规划

14:00——15:30

田柯宇

北京大学研究生一年级，方向为自监督学习、强化学习与优化

报告题目：

卷积网络上如何做BERT形式的预训练

曾致远

复旦大学博士生

报告题目：

基于层次化通信的高效混合专家模型

蔡欣强

东京大学博士生，导师Sugiyama教授，研究兴趣为弱监督下的强化学习和模仿学习

报告题目：

观测异质的模仿学习问题

史震美

威斯康辛麦迪逊博士生。研究方向为自监督的表征学习，两层神经网络的特征学习能力，以及开放世界学习。

报告题目：

对比学习表征的广泛适应性和样本复杂度之间的权衡

许琼恺

墨尔本大学研究员，主要关注机器学习模型性能评估，模型安全检查和数据隐私保护。

报告题目：

评估超越人类能力的分类器

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！