AAAI22奖项公布，9000投稿选出唯一杰出论文，中科院自动化所获Distinguished论文奖-轻识

↑ 点击蓝字关注极市平台

来源丨机器之心

编辑丨极市平台

极市导读

第 36 届 AAAI 人工智能会议已于 2 月 22 日在线上召开。目前，大会公布了今年的杰出论文奖（1 篇）和提名奖（2 篇），其中来自巴黎第九大学、Meta AI 等机构的研究者凭借推荐系统赢得了 AAAI 2022 杰出论文奖。另外，中科院自动化所博弈学习研究组凭借其研发的轻量型德州扑克 AI 程序 AlphaHoldem 获得了 Distinguished 论文奖（共 6 篇）。 >>加入极市CV技术交流群，走在计算机视觉的最前沿

作为全球人工智能顶会之一，2022 年的 AAAI 大会热度又创下了历史新高：大会共收到 9251 篇投稿，其中 9020 篇投稿进入了评审环节。但令人意外的是，今年的接收率却创下了历史新低，仅 1349 篇论文被接收，接收率仅为 15.0%。

目前，AAAI 2022 已经公布了杰出论文奖、杰出学生论文奖、Distinguished 论文奖、最佳演示奖等多个奖项。

杰出论文奖

本届会议有 1 篇论文获得杰出论文奖，另有 2 篇论文获得杰出论文提名奖。

杰出论文：Online certification of preference-based fairness for personalized recommender systems

论文地址：https://arxiv.org/pdf/2104.14527.pdf
作者：Virginie Do、Sam Corbett-Davies、Jamal Atif、Nicolas Usunier
机构：巴黎第九大学、法国国家科学研究中心、Meta AI 等

摘要：推荐系统正面临审查，因为它们对用户的影响越来越大。当前的公平审计仅限于敏感群体级别的粗粒度奇偶校验评估。该研究建议审计应该「envy-freeness」，这是一个与个人偏好一致的更细化的标准：每个用户都应该更喜欢符合自己的推荐而不是其他用户的推荐。由于「envy」审计需要估计用户现有推荐之外的偏好。该研究提出了一种样本高效算法，理论上保证推荐系统不会降低用户体验。此外，他们还研究了所提方法在现实世界推荐数据集上可以实现的权衡。

下图为审计场景：审计员要么在当前推荐中向用户展示他们的推荐系统，或通过向其他用户显示推荐来进行探索：

该研究提出的 OCEF 算法流程如下所示：

杰出论文提名 1：Bayesian persuasion in sequential decision-making

论文地址：https://arxiv.org/pdf/2106.05137.pdf
作者：Jiarui Gan、Rupak Majumdar、Goran Radanovic、Adish Singla
机构：马克斯 · 普朗克软件系统研究所

杰出论文提名 2：Introducing Operator-Potential Heuristics for Symbolic Search

论文地址：https://openreview.net/pdf?id=HJW__woAe7B
作者：Daniel Fišer、Alvaro Torralba、Joerg Hoffmann
机构：萨尔兰大学、捷克理工大学、奥尔堡大学

杰出学生论文奖

本届会议共有 1 篇论文获得杰出学生论文奖，另有 2 篇论文获杰出学生论文提名奖。

杰出学生论文：InfoLM: A New Metric to Evaluate Summarization & Data2Text Generation

论文地址：https://arxiv.org/abs/2112.01589
作者：Pierre Colombo、Chloe Clavel、Pablo Piantanida
机构：巴黎 - 萨克雷大学

摘要：通过人工注释评估自然语言生成系统质量的方法成本非常高，并且非常耗时。因此在实践中，研究人员大多依靠自动指标来评估模型质量。过去十年，领域内涌现出许多基于字符串的指标（例如 BLEU）。但是，此类指标通常依赖于精确的匹配，因此不能稳健地处理同义词。基于此，该研究提出了一系列未经训练的指标 InfoLM，这些指标可被视为基于字符串的指标，但借助预训练掩码语言模型解决了上述缺陷。这些指标还利用信息度量，允许 InfoLM 适应各种评估标准。该研究使用直接评估证明了 InfoLM 显著改进了文本摘要和 data2text 生成任务的许多配置，并获得了超过 10 点的相关增益。

杰出学生论文提名 1：Compilation of aggregates in ASP systems

论文地址：https://arxiv.org/abs/2109.08303v1
作者：Giuseppe Mazzotta
机构：卡拉布里亚大学

杰出学生论文提名 2：Entropy estimation via normalizing flow

论文地址：http://pure-oai.bham.ac.uk/ws/files/155233907/Formatting_Instructions_LaTeX_2022.pdf
作者：Ziqiao Ao、Jinglai Li
机构：伯明翰大学

Distinguished 论文奖

本届会议共选出了 6 篇 Distinguished 论文。

论文 1：AlphaHoldem: High-Performance Artificial Intelligence for Heads-Up No-Limit Poker via End-to-End Reinforcement Learning

作者：Enmin Zhao、Renye Yan、Jinqiu Li、Kai Li、Junliang Xing
机构：中科院自动化所博弈学习研究组

论文 2：Certified symmetry and dominance breaking for combinatorial optimisation

论文地址：https://www.bartbogaerts.eu/articles/2022/002-AAAI_CertifiedSymmetryBreaking/CertifiedSymmetry.pdf
作者：Bart Bogaerts、Stephan Gocht、Ciaran McCreesh、Jakob Nordström
机构：荷语布鲁塞尔自由大学、隆德大学、哥本哈根大学、格拉斯哥大学

论文 3 Online elicitation of necessarily optimal matchings

论文地址：https://arxiv.org/pdf/2112.04227.pdf
作者：Jannik Peters
机构：柏林工业大学高效算法研究小组

论文 4：Sampling-based robust control of autonomous systems with non-Gaussian noise

论文地址：https://arxiv.org/pdf/2110.12662.pdf
作者：Thom S. Badings、Alessandro Abate、Nils Jansen、David Parker、Hasan A. Poonawala、Marielle Stoelinga
机构：拉德堡德大学、牛津大学、伯明翰大学、肯塔基大学

论文 5：Subset approximation of Pareto regions with bi-objective A

作者：Jorge A. Baier、Carlos Hernández、Nicolás Rivera

论文 6：The SoftCumulative constraint with quadratic penalty

论文地址：http://www2.ift.ulaval.ca/~quimper/publications/softcumulative.pdf
作者：Yanick Ouellet、Claude-Guy Quimper
机构：加拿大拉瓦尔大学

AAAI-22 最佳演示奖

论文标题：A demonstration of compositional, hierarchical interactive task learning

作者：Aaron Mininger、John Laird

摘要：该研究展示了交互式任务学习智能体 Rosie 的演示，它通过设置自然语言指令让智能体学习在模拟环境中执行巡逻任务。执行过程中，Rosie 建立了一个相当大的任务层次结构，包括先天和后天学习任务、制定为实现目标或遵循程序的任务、具有条件分支和循环的任务以及涉及交流和心理活动的任务组成。Rosie 在 Soar 认知架构中实现，并使用声明性任务网络表示任务，通过 chunking 将其编译成程序规则，这是让 Rosie 从单个训练集中学习并快速泛化的关键。

AAAI 2022 奖项汇总参考链接：https://aihub.org/2022/02/24/congratulations-to-the-aaai2022-award-winners/

公众号后台回复“数据集”获取30+深度学习数据集下载～

△点击卡片关注极市平台，获取最新CV干货

极市干货

数据集资源汇总：10个开源工业检测数据集汇总｜21个深度学习开源数据集分类汇总

算法trick：目标检测比赛中的tricks集锦｜从39个kaggle竞赛中总结出来的图像分割的Tips和Tricks

技术综述：一文弄懂各种loss function｜工业图像异常检测最新研究总结（2019-2020）