AIGC動態(tài)歡迎閱讀

原標(biāo)題：NeurIPS'24「組合學(xué)習(xí)」Workshop，開啟征稿啦！MIT、DeepMind等大佬齊聚
關(guān)鍵字：政策,報告,模型,領(lǐng)域,能力
文章來源：量子位
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

Compositional Learning 投稿量子位 | 公眾號 QbitAINeurIPS 2024以“組合學(xué)習(xí)：觀點(diǎn)、方法、及展望”為主題的Workshop開啟征稿啦～
組合學(xué)習(xí)受到人類天生能夠從簡單概念理解和生成復(fù)雜思想能力的啟發(fā)，旨在賦予機(jī)器類似的理解、推理和學(xué)習(xí)能力。
通過重新組合已學(xué)到的組件，組合學(xué)習(xí)天然具備提升機(jī)器對真實(shí)動態(tài)環(huán)境中分布外樣本的泛化能力。
該優(yōu)點(diǎn)亦促成了面向?qū)ο蟮膶W(xué)習(xí)（object-centric learning）、組合泛化（compositional generalization）、和組合推理（compositional reasoning）等領(lǐng)域的活躍研究，并在包括機(jī)器翻譯、跨語言遷移、語析、可控文本生成、事實(shí)知識推理、圖像字幕生成、文本到圖像生成、視覺推理、語音處理、強(qiáng)化學(xué)習(xí)等眾多任務(wù)中得到了廣泛應(yīng)用。
盡管在這些領(lǐng)域已取得可觀進(jìn)展，但包括大模型（LLMs）在內(nèi)的現(xiàn)有模型的組合泛化和推理能力在真實(shí)動態(tài)環(huán)境中仍面臨嚴(yán)峻挑戰(zhàn)。
在組合學(xué)習(xí)面臨的諸多挑戰(zhàn)和全新機(jī)遇中，來自南洋理工大學(xué)、哈佛大學(xué)、麻省理工學(xué)院、Mila-Quebec人工智能研究所&H

原文鏈接：NeurIPS'24「組合學(xué)習(xí)」Workshop，開啟征稿啦！MIT、DeepMind等大佬齊聚

聯(lián)系作者

文章來源：量子位
作者微信：
作者簡介：