📌
Лауреаты ICML 2026
Организаторы Международной конференции по машинному обучению опубликовали список работ, удостоенных наград этого года.
ICML считается одной из ведущих мировых площадок в сфере искусственного интеллекта, а её премии - заметным профессиональным признанием.
Лауреатов основной категории выбирали в несколько этапов - из 53 первоначальных кандидатов отобрали короткий список из 22 работ, которые затем в анонимизированном виде оценивал комитет из 11 человек.
🟡
Высшую награду в категории "Выдающиеся статьи" разделили 2 статьи
The Flexibility Trap оспаривает распространённое мнение о диффузионных языковых моделях о том, что свобода выбирать порядок генерации текста, которую принято считать достоинством таких моделей, в задачах на рассуждение, наоборот, ухудшает результат.
High-Accuracy Sampling for Diffusion Models and Log-Concave Distributions показывает, что диффузионные модели способны достигать высокой точности за существенно меньшее число вычислений.
🟡
Отдельно отмечены работы, отстаивающие определённую точку зрения
Лучшей признана
статья Сары Болл и Фила Хакеманна, в которой утверждается, что элайнмент ИИ, создаваемый ради безопасности, может применяться и для цензуры.
Почётного места удостоена
работа Ли Цивэя и соавторов про то, что изучение дипфейков недостаточно учитывают проблему создания интимных изображений без согласия людей.
🟡
Ещё 5 статей получили упоминания в основной категории
🟠
Как модели обходят «детекторы лжи» при обучении;
🟠
Отбор обучающих данных для генерации видео;
🟠
Пределы запоминания данных языковыми моделями;
🟠
Объяснение того, почему разные диффузионные модели выдают схожие результаты;
🟠
Анализ эффекта грокинга, когда модель сначала запоминает обучающие примеры, а обобщать, то есть верно работать на новых, ранее не встречавшихся данных, начинает гораздо позже, если обучение продолжать.
Премию Test of Time, отмечающую вклад с долгосрочным влиянием, присудили работе за авторством коллектива DeepMind под руководством Владимира Мниха.
Она предлагает метод
асинхронного RL, который повлиял и на обучение больших языковых моделей.
@ai_machinelearning_big_data
#news #ai #ml