پیپرهای Outstanding Paper، Outstanding Position Paper و Test of Time این دوره از کنفرانس ICML مشخص شدن.
از میان پیپرهای سال 2016، جایزه Test of Time به پیپر زیر تعلق گرفت. دلیل این تصمیم هم تاثیر این کار در روند post-training مدل‌های زبانی و استفاده بهینه از RL در تسک‌های صنعتی بوده. هدف این کار معرفی یک فریمورک ساده برای آموزش ایجنت‌ها به صورت همزمان بر روی چندین GPU و موازی‌سازی این فرایند بود. معروف‌ترین الگوریتمی هم که معرفی کردن، الگوریتم asynchronous advantage actor-critic (یا A3C به اختصار) هست که در اون سال بسیاری از بنچ‌مارک‌ها رو به چالش کشید.
Asynchronous Methods for Deep Reinforcement Learning | Link
By Volodymyr Mnih, et al.
جایزه Outstanding Paper به دو پیپر زیر تعلق گرفت (از بین 6627 پیپر!). هر دو این پیپرها در رابطه با diffusion modelها هستن، اولی در مورد استفاده‌ای از این مدل‌ها در تسک‌های زبانی و دومی در رابطه با score based sampling. متاسفانه اطلاعات زیادی در این حوزه ندارم که توضیحی در این باره ارائه بدم =)
- The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models | Link
By Zanlin Ni, et al.
- High-Accuracy Sampling for Diffusion Models and Log-Concave Distributions | Link
By Fan Chen, et al.
یک Track جدیدی هم اخیرا در کنفرانس‌ها به راه افتاده تحت عنوان Position papers، که نویسنده‌ها میان و در مورد دیدگاهشون در رابطه با یک مسئله خاص یا یک چشم‌اندازی در فیلد صحبت میکنن. در ICML امسال برای این سری از پیپرها هم یک جایزه اختصاص دادن و اون هم به پیپر زیر اختصاص داده شده که پیپر جالبیه بنظرم. در رابطه با این مسئله صحبت میکنن که روش‌های alignment هر چقدر که خوب هم باشن، در عین حال می‌تونن برای سانسور و manipulation هم استفاده بشن که خب این بده. یک وبسایت جالبی هم دارن که لینکش رو پایین میذارم (یک ویدیو هم ساختن و گریزی زدن به کتاب 1984 که البته شاید too much باشه).
Position: The Alignment Community is Unintentionally Building a Censor’s Toolkit | Link | Website
By Sarah Ball, Phil Hackemann.
درباره روند تصمیم‌گیری کمیته انتخاب و پیپرهایی که Honorable Mention شدند هم در بلاگ‌پست ICML می‌تونین بخونین.
- بلاگ‌پست اعلام جوایز ICML 2026
#News
@Intelligent_Machines