两位清华校友闪烁NeurIPS2020！各9篇进选，华人之最 -

杨净 发自 凹非

量子位 报道 | 公众号 QbitAI

NeurIPS 2020即将开幕。

两位训练有素的年轻一代AI科学家，如何评价他们的有备而来？

杨林和汪昭然，两位清华毕业生，都以9篇之数，成为今年NeurIPS入选论文最多的华人学者。

但对于这样的成绩，两位表示并不意外，其中一位还说：「只是看哪个顶会比较近，就投哪个。」

嗯，所以其他科研萌新也能不能「哪个近投哪个」嘞？

他们也分享了一些过来人经验。

NeurIPS2020

从整体接收情况上看，今年共有9454篇论文提交，1900篇总接收，录取率仅为20.09%。

虽然接收率逐年偏低，但依旧有国内外AI大牛大放异彩。

吴恩达老师、2020年IEEE冯诺依曼奖获得者、知名学者Michael Jordan团队有7篇论文被接收。

李飞飞团队有一篇论文被接受。

深度学习三巨头，Hinton、Lecun、Bengio也都有论文接收。

而国内的学术大牛也表现不错。

清华大学教授朱军有8篇文章被接收。

悉尼大学教授兼优必选首席科学家陶大程、港科大和创新工场联合实验室主任张潼，也都有7篇文章接收。

南京大学周志华团队有3篇论文被接受。

当然，也AI届的「新秀」们～

在机器学习科学家Sergey Ivanov整理出来的「Top authors」榜单中，论文接受数最高的，是来自加州伯克利分校的助理教授Sergey Levine，任职于电气工程与计算机科学系，今年共有12篇论文被接收。

值得一提的是，去年他同样也有12篇论文被NeurIPS接收，同样位列榜单的第一位。

而汪昭然、杨林以9篇论文数位于榜单第二位。

德克萨斯大学奥斯汀分校的汪张扬、普林斯顿大学的杨卓然则有8篇论文接收数。

除此之外，在本次榜单中，共有31位学者入选，而华人学者就占据了12个席位，占比38%。

而国内高校清华大学、北京大学以63篇论文、20篇论文接收数分别位于全球机构榜单中的第7位和第20位。

中国此次总体论文接收数为259篇，位于全球第二位。

可以看到，此次榜单结果有很多年轻中国科学家脱颖而出。

量子位就对话了其中代表性的两位，杨林和汪昭然，来做进一步的分享。

加州洛杉矶分校助理教授杨林

首先介绍的这一位是来自加州洛杉矶分校的助理教授杨林，任职于电子与计算机工程系。

除此NeurIPS有9篇论文接收之外，今年ICML也有4篇论文接收。

他还被聘为ICLR2021的区域主席，入选AAAI 2021高级计划委员会，曾获得西蒙斯学者奖。

他本科毕业于清华大学数学物理基础科学实验班，随后前往约翰·霍普金斯大学攻读「计算机科学」和「物理和天文学」的博士学位。

接着，在普林斯顿大学做博士后研究，师从王梦迪教授。

嗯，就是14岁上清华，24岁从MIT博士毕业，29岁就成普林斯顿大学终身教授的那位。

他的研究方向是开发和应用机器学习和数据科学的快速算法、理解不同ML问题的基础理论和优化的计算极限。

当前，他的研究重点是强化学习理论和应用、控制学习、非凸优化和流式算法。

而此次NeurIPS接收的论文也主要集中在对强化学习的理解上。

虽然这些年强化学习在实践上取得了令人称赞的结果，但我们对强化学习的理解并不深刻。

比如，这两篇就分别理解了每局游戏的长度对「强化学习」和「模仿学习」的复杂度的影响。

而这两篇则是设计了高效算法，不依赖于基本模型，且可以直接套用在神经网络上。

其他的文章都是在不同设定下对强化学习理论做出了一些非平凡的理解。

我个人认为这些结果可以加深人们对强化学习的理解，实践人员可以在这些算法基础上设计出更多强化学习的方法。

由于自己的研究是篇理论的，杨林告诉我们，疫情期间并没有受到太大的影响。即使没有疫情，也是远程讨论。

西北大学助理教授汪昭然

同样有9篇论文接收的，还有西北大学助理教授汪昭然，任职于工业工程与管理科学系和计算机科学系。

他本科毕业于清华大学电子工程系，随后前往普林斯顿大学运筹与金融工程系攻读博士学位。

值得一提的是，当时杨林教授正在王梦迪教授那里做博士后研究。

对于此次杨林教授也有9篇论文接收，汪昭然向量子位表示：

林哥（杨林）最近一系列论文解决了很多强化学习最本质的基础问题。

我们很多研究工作都是基于林哥的这些论文。如何评价？唯有膜拜。

毕业后，他就前往西北大学担任助理教授，同时也获得芝加哥大学Booth商学院、康奈尔大学ECE、卡内基梅隆大学Tepper商学院等教职机会。

今年，他也同样以「增强学习理论项目」获得了西蒙斯学者奖。

他向量子位介绍了他主要的两大研究方向。

首先是，通过建立「深度增强学习的理论框架」，让深度增强学习在计算复杂度和样本复杂度层面更有效率。

在很多领域，比如医疗、金融领域，深度增强学习在安全性、可信性、数据消耗层面与现实所需相距甚远。

因此，团队就试图提出一系列安全性、可信性、数据消耗量都有保障算法，帮助深度增强学习落地这些关键领域。

还有是通过「拓展深度增强学习的算法框架」，设计和优化社会规模的多智能体系统。在很多关键系统里，比如供应链和出行系统，广泛存在着多种主体的合作和竞争。这些动态博弈的主体既可能是人类也可能是算法。

团队就试图提出一系列基于动态博弈论的多智能体深度增强学习算法，以帮助深度增强学习落地这些大规模社会系统。

就像此前AI大牛叶杰平（此次合作者之一）在滴滴做的智能调度系统。

除此之外，本次接收的论文中还提出了一个新的研究问题，那就是结合经典的控制论和深度学习是不是可以完全绕过强化学习？

通过列举很多例子，比如模拟SpaceX火箭降落，来证明设计的这个基础框架要比强化学习有效数万倍。

至于此次NeurIPS的准备过程，汪昭然坦然表示，

我们一般不会为某个会议专门准备文章，而是等一个研究项目成熟了找最近的会议投稿。

有合作者团队加持，截稿之前并不是特别慌。

跟杨林教授一样，科研并没有受到疫情的影响，远程讨论反而提高了合作效率。

9篇论文接收数的秘诀？

至于有9篇论文数被接收的秘诀，杨林表示：

不要追求文章的篇数，踏踏实实做科研，实打实的解决问题才是最重要的。有了好的结果，就好好的写出来，肯定都能发表的。

还对学术科研的萌新们提出了一些建议：

目前科研领域还是比较浮躁的，NeurIPS的投稿数每一年都大幅地增长。这并不是一个好的事情。

我还是希望新人还是要踏踏实实地做研究。不要以文章数为目标。做了好的结果，学好了会讲故事的能力，文章自然会有的。

而汪昭然也向我们表示了「写好故事」的重要性。

最近审稿质量下滑尤其严重，论文接收与否带有一些随机性。我个人认为，在质量让自己满意的基础上，可能写作能让审稿人看懂比较重要。

最后，也帮有心读者问了两位年轻教授招研究生的标准。

简洁但关乎本质。

杨林教授的是，数学好、Self-motivated，勤奋，对科研有很大的热情。

而汪昭然教授招收研究生的标准，则是数学/算法/系统有一项擅长即可——都熟悉的话最好。

怎么样，不难吧？（手动狗头）

—完—

点此返回爱影视电影