← ICML 各届
ICML 2022· International Conference on Machine Learning
ICML 2022
亮点精读
8 篇 · 获奖 / oral / 高引📈 7.4k 引用
Robust Speech Recognition via Large-Scale Weak Supervision
利用大规模弱监督数据训练语音识别模型，提升鲁棒性。
💡 弱监督数据易获取，可大幅提升模型泛化能力。
arXiv
📈 6.8k 引用
BLIP: Bootstrapping Language-Image Pre-training for Unified Vision-Language Understanding and Generation
提出BLIP，通过自举方法统一视觉语言理解和生成任务。
💡 统一框架提升多模态任务性能与数据效率。
arXiv
📈 3.2k 引用
FEDformer: Frequency Enhanced Decomposed Transformer for Long-term Series Forecasting
提出频率增强分解Transformer，利用傅里叶和小波变换实现长期序列预测。
💡 首次将频率域变换与Transformer结合，显著提升长期预测精度。
arXiv
📈 1.9k 引用
Constrained Efficient Global Optimization of Expensive Black-box Functions
提出约束高效全局优化方法，在昂贵黑箱函数上平衡探索与约束满足。
💡 解决昂贵约束优化问题，提升实际应用效率。
arXiv
📈 1.7k 引用
SmoothQuant: Accurate and Efficient Post-Training Quantization for Large Language Models
提出SmoothQuant，通过平滑激活值实现大语言模型高效且无损的后训练量化。
💡 首次实现LLM的8比特权重和激活量化，大幅降低部署成本。
arXiv
📈 1.6k 引用
Fast Inference from Transformers via Speculative Decoding
提出推测解码方法，利用小模型草稿加速Transformer推理。
💡 大幅降低大模型推理延迟，提升实际部署效率。
arXiv
📈 1.6k 引用
Language Models as Zero-Shot Planners: Extracting Actionable Knowledge for Embodied Agents
将语言模型作为零样本规划器，提取可执行知识指导具身代理完成任务。
💡 无需任务特定训练，直接利用预训练知识实现规划。
arXiv
📈 1.6k 引用
Model soups: averaging weights of multiple fine-tuned models improves accuracy without increasing inference time
通过平均多个微调模型的权重，在不增加推理时间的情况下提升准确率。
💡 简单有效，无需额外计算即可提升模型性能。
arXiv
全部论文
加载中…正在从 DBLP 加载全量论文…
全量索引来自 DBLP · 完整 proceedings 见 官方站点