近日，人工智能頂會之一ICLR 2024錄用結果揭曉，螞蟻集團有11篇論文被收錄，其中1篇為Oral，3篇為Spotlight，7篇為Poster，螞蟻集團在AI學術領域的進展受到關注。

　　螞蟻集團的《長視頻中的多粒度噪聲關聯學習》被收錄為Oral論文

　　ICLR組委會今年共收到了7262篇論文投稿，錄用率約為31%。其中，1.2%被錄用為Oral論文，作者獲得10分鐘的口頭演講，5%被錄用為Spotlight論文，獲得4分鐘的聚光燈展示；Poster論文則以海報形式展示。論文的重要性按此三類遞減。

　　每年，ICLR Oral論文中一大半的論文會成為“ICLR Best Paper”，同時也代表了新一年的研究方向，今年ICLR評出的Oral論文共85篇，其中包括螞蟻集團的《Multi-granularity Correspondence Learning from Noisy Instructional Videos》（長視頻中的多粒度噪聲關聯學習）。

　　短視頻已成為大眾日常生活的主要娛樂方式，多模態技術也是當前AI的熱門領域，由于過高的計算資源開銷，現有的視頻工作主要集中于片段的理解，而忽視了長視頻中的時序依賴。該論文將長視頻學習轉化為短視頻片段間的關聯對齊，針對視頻與文本間顯著存在的噪聲關聯問題，提出了統一的最優傳輸對齊方案，顯著提升了長視頻理解能力并節省了時間開銷。

　　這個方案還具有通用性，提出的噪聲關聯處理方法可應用于其他模態需要進行內容對齊的模型預訓練學習中。

　　收錄為Spotlight的3篇論文分別是《iTransformer: Inverted Transformers Are Effective for Time Series Forecasting》（iTransformer：倒置Transformer對時序預測更加有效），講述一種新的時間序列預測工作，打破常規模型結構，在復雜時序預測任務中取得了全面領先；《Enhanced Face Recognition using Intra-class Incoherence Constraint》（利用類內不一致性約束增強的人臉識別技術），引入一個新的方法，進一步提高人臉識別的精確度。《Finite-State Autoregressive Entropy Coding for Efficient Learned Lossless Compression》（基于查找表實現的可學習自回歸模型用于高效無損壓縮算法），提出了一種新的算法，實現了高壓縮率、高吞吐率的無損壓縮。

　　自2017年以來，ICLR每年收到的論文數量以30%的速度增長，其它兩個人工智能頂會NeurIPS、ICML也是高增長。在上個月舉行的NeurlPS上，螞蟻集團共有20篇論文被收錄，覆蓋計算機視覺、自然語言處理、圖神經網絡、圖像處理等多個人工智能和機器學習領域的前沿主題。

　　ICLR自2013年成立以來，每年的論文數量情況。2017年開始，論文數量攀升。

　　ICLR近年受到業內好評，主要原因是其推行的Open Review評審制度，所有提交的論文都會接受所有同行的評價及提問，任何學者都可匿名或實名地評價論文。而在公開評審結束后，論文作者也能夠對論文進行調整和修改。

　　據了解，過去五年，螞蟻集團在國際頂級學術期刊和學術會議上發表論文近500篇，其中AI領域的論文300余篇。螞蟻集團在人工智能領域持續進行技術投入，基于大規模業務場景的需求，布局了包括大模型、知識圖譜、運籌優化、圖學習、可信AI等在內的技術領域。