昨天，国际表征学习大会（International Conference on Learning Representations，ICLR）公布了 ICLR 2024 杰出论文。
其中，在 5 篇杰出论文中，有 4 篇论文涉及大模型。另外，也有 11 篇论文获得荣誉提名。祝贺各位获奖者！
ICLR 是机器学习领域的一个学术会议，每年一次，通常在每年四月底或五月初举行。会议包括特邀演讲以及经评审论文的口头和海报展示。
ICLR 由 Yann LeCun（杨立昆）和 Yoshua Bengio 两位图灵奖得主创立，被学术研究者们广泛认可，被认为是'深度学习的顶级会议'。自 2013 年举办首届起，该会议一直采用开放式同行评审。
目前，ICLR 2024 正在奥地利维也纳举行（5 月 7 日 - 11 日）。
杰出论文奖
论文 1：Generalization in diffusion models arises from geometry-adaptive harmonic representations
- 作者：Zahra Kadkhodaie, Florentin Guth, Eero P Simoncelli, Stéphane Mallat
- 所属机构：纽约大学、Simons Foundation
- 论文链接：https://openreview.net/forum?id=ANvmVS2Yr0
- 获奖理由：这篇论文对图像扩散模型的泛化和记忆方面进行了重要的深入分析。作者根据经验研究了图像生成模型何时从记忆输入转换到泛化机制，并通过几何自适应谐波表征与谐波分析的思想建立联系，进一步从建筑归纳偏差的角度解释了这一现象。论文涵盖了我们对视觉生成模型理解中的一个关键缺失部分，很可能会对该领域未来的重要理论研究有所启发。
论文 2：Learning Interactive Real-World Simulators
- 作者：Sherry Yang, Yilun Du, Seyed Kamyar Seyed Ghasemipour, Jonathan Tompson, Leslie Pack Kaelbling, Dale Schuurmans, Pieter Abbeel
- 所属机构：UC 伯克利、Google DeepMind、MIT
- 论文链接：https://openreview.net/forum?id=sFyTZEqmUY
- 获奖理由：汇集多个来源的数据来训练机器人基础模型是一个长期的宏伟目标。由于不同的机器人具有不同的感知 - 运动界面，这阻碍了大规模数据集的训练，因此带来了巨大的挑战。这项名为'UniSim'的工作是朝着这个方向迈出的重要一步，也是一项工程壮举，它使用基于视觉感知和控制文字描述的统一界面来聚合数据，并利用视觉和语言领域的最新发展，从数据中训练机器人模拟器。
