← ICML 各届
ICML 2023· International Conference on Machine Learning
ICML 2023
亮点精读
8 篇 · 获奖 / oral / 高引Oral📈 1.9k 引用
Pythia: A Suite for Analyzing Large Language Models Across Training and Scaling
提出Pythia套件，用于分析大语言模型在训练和扩展过程中的行为。
💡 提供标准化工具，促进LLM训练动态和规模效应的研究。
arXiv
Oral📈 1.3k 引用
SparseGPT: Massive Language Models Can be Accurately Pruned in One-Shot
提出SparseGPT，无需微调即可一次性将大语言模型精确剪枝至50%稀疏度。
💡 首次实现无需重训练的高精度大规模模型剪枝。
arXiv
Oral📈 1.1k 引用
DetectGPT: Zero-Shot Machine-Generated Text Detection using Probability Curvature
利用概率曲率检测机器生成文本，无需训练数据。
💡 首次实现零样本机器文本检测，实用性强。
arXiv
Oral📈 928 引用
A Watermark for Large Language Models
提出一种在LLM输出中嵌入水印的方法，无需访问模型参数。
💡 可追溯AI生成内容，防止滥用。
arXiv
Oral📈 895 引用
Scaling Vision Transformers to 22 Billion Parameters
提出将视觉Transformer扩展到220亿参数的方法，实现性能显著提升。
💡 证明超大模型在视觉任务中的潜力，推动规模扩展。
arXiv
Oral
Taming graph kernels with random features
提出随机特征方法，使图核在大规模数据上高效可扩展。
💡 突破图核计算瓶颈，推动图学习实用化。
Oral
Bayesian Design Principles for Frequentist Sequential Learning
提出基于贝叶斯设计原则的频率派序贯学习方法，统一两种范式。
💡 桥接贝叶斯与频率派，提升学习效率与理论保证。
Oral
Pix2Struct: Screenshot Parsing as Pretraining for Visual Language Understanding
提出将截图解析作为预训练任务，统一视觉语言理解。
💡 简化多模态模型设计，提升泛化能力。
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