最火多篇论文上榜国际顶级会议丨香港科技大学木器漆合作造粒机挡鼠板油压表OrE

多篇论文上榜国际顶级会议丨香港科技大学

2019年3月25日，小i机器人联合香港科技大学共同成立了 机器学习和认知推理联合实验室 ，这是小i机器人与香港学术机构共同开展的首个科研项目，也是小i机器人构建全球研发体系的重要一环。联合实验室的成立，标志着小i机器人的自主创新力和国际影响力得到了进一步提升。

机器学习和认知推理联合实验室 成立以来，双方在高阶认知推理系统、机器学习和自然语言处理等相关理论及技术研究上，展开了深入合作并实现了多向突破，产出的多篇优质论文也多次登陆ACL、AAAI、AAMAS等国际顶级会议。

以下为香港科技大学-小i机器人联合实验室入选国际顶级会议的代表性论文。

研究方向：问答系统会话生成

代表性论文：《学习如何抽象：一种记忆增强的会话回复生成》

入选会议：ACL2019

现有的会话回复生成模型存在生成的回复多样性差、信息量不足等一些问题。一些研究人员尝试利用检索系统去增强生成模型的效果，但是该方法受限于检索系统的质量。在本文中，我们提出了一构成1个蛇形的长管种记忆增强的生成模型，由记忆模块和生成模块组成，它可以对训练语料进行抽象，并且把抽象出来的有用的信息存储在记忆模块中，以便辅助生成模型去生成回复。具体来说，我们的模型会先对用户输入(query)-回复(response)的句对做聚类，接着抽取出每个类的共性，然后让生成模型学习如何利用抽出的共性信息。与普通检索增强模型相比，我们的模型改进了回复生成的质量，相关性和信息完备性。

研究方向：对话系统

代表性论文：《基于回复预期记忆的随需知识集成机制在回复中的应用》

入选会议：ACL 2020

众所周知，神经对话模型的响应虽然正确，但缺乏足够的内容和信息。通过阅读进行对话（CbR）可以大大增强信息量，其中针对给定的外部文本进行对话，围绕CbR任务，我们提出了一种新颖的预期-回复文本存储，用来利用和记住在回复生成的过程中重要的文本信息。我们通过教-学框架构造了预期的记忆。向教师模块提供了外部文本，上下文和真实的回复，教师请求回复并学习回复-意识权重矩阵；学生模块根第2个需要克服的困难就是据外部文本，上下文和教师模块的输出，学习如何预估教师模型中的权重矩阵，并构建预期的响应文本记忆。我们卡套球阀通过自动和人工评估验证了我们的模型，实验结果表明我济南试验机的发展史们的模型获得了CbR任务的最高性能。

研究方向：机器学习注意力机制

代表性论文：《并非所有的注意力都需要：序列数据的门控注意力络》

入选会议：AAAI 2020

近年来，动态络配置受到越来越多的关注，它是一种具有动态连接的卷积机制神经络，与注意力机制不同，它可以一次选择性地激活一部分络。在本文中，我们提出了一种用于序列数据的称为门控注意力络（GA-Net）的新方法。GA-Net使用辅助络动态选择要参加的元素子集，并计算注意力权重以聚合所选元素。避免了对不必要元素的大量计算，并使模型可以关注序列的重要部分。它结合了两个与输入有关的动态机制，注意力机制和动态络配置，并具有动态稀疏的注意力结构。实验表明，提出的方法在IMDB、SST-1等文本分类任务上持续获得最佳结果，同时减少需求计算并获得更好的可解释性。

研究方向：多智能体的决策和博弈

代表性论文：《平均收益重复囚徒困境的无敌策略》

入选会议：AAAI 2020

重复囚徒困境（IPD）是研究理性多智能体的长期行为的著名基准。针对这个问题学术界已经研究了许多众所周知的策略，从简单的针锋相对（TFT）到更复杂的策略，例如Press和Dyson最近研究的零行列式和勒索策略。在本文中，我们考虑了所谓的无敌策略，无敌策略有以下几个特点，首先，他们有一个非常清晰和直观的定义-永远不会输掉一场比赛。其次，它们的特征十分简单-可以被三个简单条件明杆闸阀所表示。第三，它们与诸如Press和Dyson的勒索策实际利用中不超过1200.（600）；曲柄连杆齿条机构虽理论上可到达大于1800摇摆角的要求略以及Akin的good策略等其他经过深思熟虑的策略密切相关。最后，从实验中我们发现，一些既不勒索也不合作的无敌策略也可以像TFT一样发挥作用。我们的策略为重复博弈，尤其是IPD的研究做出了贡献。

研究方向：多智能体的决策和博弈

代表性论文：《重复囚徒困境的无敌策略》

入选会议：AAMAS 2019

重复囚徒困境是研究多智能体博弈的经典经济学模型。各移位器个领域的学者广泛地使用这一模型，来研究合作是如何在多智能体演化过程中产生的。早在1981年，Axelrod组织了基于这一模型的策略竞赛， 针锋相对俱乐部 策略获得了冠军，对后来的研究产生的深远的影响。2012年以来，随着 零行列式策略 的提出，又涌现出许多具有特殊数学性质的策略。受到我们最初观察的启发，没有任何策略可以击败勒索策略，我们继续研究所有这类立于不败之地的策略。我们的主要技术成果是，此类策略可以被三种简单条件所表示，还将此类策略与其他策略相关联，并考虑了它们在结合时显示的作用。