兩位清華校友閃耀NeurIPS2020！各9篇入選，華人之最，“不意外，哪個頂會近就投哪個”

楊凈 發自 凹非寺
量子位 報道 | 公眾號 QbitAI

NeurIPS 2020即將開幕。

兩位訓練有素的年輕一代AI科學家，如何評價他們的有備而來？

楊林和汪昭然，兩位清華畢業生，都以9篇之數，成為今年NeurIPS入選論文最多的華人學者。

但對于這樣的成績，兩位表示并不意外，其中一位還說：「只是看哪個頂會比較近，就投哪個?！?/p>

嗯，所以其他科研萌新也能不能「哪個近投哪個」嘞？

他們也分享了一些過來人經驗。

NeurIPS2020

從整體接收情況上看，今年共有9454篇論文提交，1900篇總接收，錄取率僅為20.09%。

雖然接收率逐年偏低，但依舊有國內外AI大牛大放異彩。

吳恩達老師、2020年IEEE馮諾依曼獎獲得者、知名學者Michael Jordan團隊有7篇論文被接收。

李飛飛團隊有一篇論文被接受。

深度學習三巨頭，Hinton、Lecun、Bengio也都有論文接收。

而國內的學術大牛也表現不錯。

清華大學教授朱軍有8篇文章被接收。

悉尼大學教授兼優必選首席科學家陶大程、港科大和創新工場聯合實驗室主任張潼，也都有7篇文章接收。

南京大學周志華團隊有3篇論文被接受。

當然，也AI屆的「新秀」們～

在機器學習科學家Sergey Ivanov整理出來的「Top authors」榜單中，論文接受數最高的，是來自加州伯克利分校的助理教授Sergey Levine，任職于電氣工程與計算機科學系，今年共有12篇論文被接收。

值得一提的是，去年他同樣也有12篇論文被NeurIPS接收，同樣位列榜單的第一位。

而汪昭然、楊林以9篇論文數位于榜單第二位。

德克薩斯大學奧斯汀分校的汪張揚、普林斯頓大學的楊卓然則有8篇論文接收數。

除此之外，在本次榜單中，共有31位學者入選，而華人學者就占據了12個席位，占比38%。

而國內高校清華大學、北京大學以63篇論文、20篇論文接收數分別位于全球機構榜單中的第7位和第20位。

中國此次總體論文接收數為259篇，位于全球第二位。

可以看到，此次榜單結果有很多年輕中國科學家脫穎而出。

量子位就對話了其中代表性的兩位，楊林和汪昭然，來做進一步的分享。

加州洛杉磯分校助理教授楊林

首先介紹的這一位是來自加州洛杉磯分校的助理教授楊林，任職于電子與計算機工程系。

除此NeurIPS有9篇論文接收之外，今年ICML也有4篇論文接收。

他還被聘為ICLR2021的區域主席，入選AAAI 2021高級計劃委員會，曾獲得西蒙斯學者獎。

他本科畢業于清華大學數學物理基礎科學實驗班，隨后前往約翰·霍普金斯大學攻讀「計算機科學」和「物理和天文學」的博士學位。

接著，在普林斯頓大學做博士后研究，師從王夢迪教授。

嗯，就是14歲上清華，24歲從MIT博士畢業，29歲就成普林斯頓大學終身教授的那位。

他的研究方向是開發和應用機器學習和數據科學的快速算法、理解不同ML問題的基礎理論和優化的計算極限。

當前，他的研究重點是強化學習理論和應用、控制學習、非凸優化和流式算法。

而此次NeurIPS接收的論文也主要集中在對強化學習的理解上。

雖然這些年強化學習在實踐上取得了令人稱贊的結果，但我們對強化學習的理解并不深刻。

比如，這兩篇就分別理解了每局游戲的長度對「強化學習」和「模仿學習」的復雜度的影響。

而這兩篇則是設計了高效算法，不依賴于基本模型，且可以直接套用在神經網絡上。

其他的文章都是在不同設定下對強化學習理論做出了一些非平凡的理解。

我個人認為這些結果可以加深人們對強化學習的理解，實踐人員可以在這些算法基礎上設計出更多強化學習的方法。

由于自己的研究是篇理論的，楊林告訴我們，疫情期間并沒有受到太大的影響。即使沒有疫情，也是遠程討論。

西北大學助理教授汪昭然

同樣有9篇論文接收的，還有西北大學助理教授汪昭然，任職于工業工程與管理科學系和計算機科學系。

他本科畢業于清華大學電子工程系，隨后前往普林斯頓大學運籌與金融工程系攻讀博士學位。

值得一提的是，當時楊林教授正在王夢迪教授那里做博士后研究。

對于此次楊林教授也有9篇論文接收，汪昭然向量子位表示：

林哥（楊林）最近一系列論文解決了很多強化學習最本質的基礎問題。

我們很多研究工作都是基于林哥的這些論文。如何評價？唯有膜拜。

畢業后，他就前往西北大學擔任助理教授，同時也獲得芝加哥大學Booth商學院、康奈爾大學ECE、卡內基梅隆大學Tepper商學院等教職機會。

今年，他也同樣以「增強學習理論項目」獲得了西蒙斯學者獎。

他向量子位介紹了他主要的兩大研究方向。

首先是，通過建立「深度增強學習的理論框架」，讓深度增強學習在計算復雜度和樣本復雜度層面更有效率。

在很多領域，比如醫療、金融領域，深度增強學習在安全性、可信性、數據消耗層面與現實所需相距甚遠。

因此，團隊就試圖提出一系列安全性、可信性、數據消耗量都有保障算法，幫助深度增強學習落地這些關鍵領域。

還有是通過「拓展深度增強學習的算法框架」，設計和優化社會規模的多智能體系統。在很多關鍵系統里，比如供應鏈和出行系統，廣泛存在著多種主體的合作和競爭。這些動態博弈的主體既可能是人類也可能是算法。

團隊就試圖提出一系列基于動態博弈論的多智能體深度增強學習算法，以幫助深度增強學習落地這些大規模社會系統。

就像此前AI大牛葉杰平（此次合作者之一）在滴滴做的智能調度系統。

除此之外，本次接收的論文中還提出了一個新的研究問題，那就是結合經典的控制論和深度學習是不是可以完全繞過強化學習？

通過列舉很多例子，比如模擬SpaceX火箭降落，來證明設計的這個基礎框架要比強化學習有效數萬倍。

至于此次NeurIPS的準備過程，汪昭然坦然表示，

我們一般不會為某個會議專門準備文章，而是等一個研究項目成熟了找最近的會議投稿。

有合作者團隊加持，截稿之前并不是特別慌。

跟楊林教授一樣，科研并沒有受到疫情的影響，遠程討論反而提高了合作效率。

9篇論文接收數的秘訣？

至于有9篇論文數被接收的秘訣，楊林表示：

不要追求文章的篇數，踏踏實實做科研，實打實的解決問題才是最重要的。有了好的結果，就好好的寫出來，肯定都能發表的。

還對學術科研的萌新們提出了一些建議：

目前科研領域還是比較浮躁的，NeurIPS的投稿數每一年都大幅地增長。這并不是一個好的事情。

我還是希望新人還是要踏踏實實地做研究。不要以文章數為目標。做了好的結果，學好了會講故事的能力，文章自然會有的。

而汪昭然也向我們表示了「寫好故事」的重要性。

最近審稿質量下滑尤其嚴重，論文接收與否帶有一些隨機性。我個人認為，在質量讓自己滿意的基礎上，可能寫作能讓審稿人看懂比較重要。

最后，也幫有心讀者問了兩位年輕教授招研究生的標準。

簡潔但關乎本質。

楊林教授的是，數學好、Self-motivated，勤奮，對科研有很大的熱情。

而汪昭然教授招收研究生的標準，則是數學/算法/系統有一項擅長即可——都熟悉的話最好。

怎么樣，不難吧？（手動狗頭）

—完—