近日，深度学习领域顶级会议——国际表征学习大会(ICLR，International Conference on Learning Representations)公布了2020年论文录用情况，清华大学交叉信息研究院共11篇论文被大会接收，其中5篇(4人次)来自交叉信息研究院研究生，6篇(5人次)来自计算机科学实验班(“姚班”)计科60。

图片来源：论文《梯度下降可最大化齐次神经网络的分类间隔》(吕凯风，李建)

　　交叉信息研究院2018级硕士生王同翰、2019级博士生王鉴浩、2015级博士生朱广翔、2019级硕士生骆轩源和2019级博士生吕凯风发表的5篇论文中，研究内容涵盖多智能体强化学习中的探索-利用困境、可扩展多智能体学习的值函数分解、深度强化学习的样本效率、深度学习中梯度算法的泛化能力、以及深度学习中梯度算法的隐式偏好等问题。其中，由交叉信息研究院李建副教授指导吕凯风共同完成的论文《梯度下降可最大化齐次神经网络的分类间隔》为演示论文(Talk Paper)；由交叉信息研究院张崇洁助理教授指导王同翰和王鉴浩共同完成的论文《基于相互影响的多智能体协作探索》为大会亮点论文(Spotlight Paper)。

　　王远皓、董克凡、张天纵、王蕴韵和邹岳松5名计科60同学发表的6篇论文中，研究内容涵盖强化学习中免模型算法的高采样效率、分布式老虎机任务中的悔恨值最小化的问题、局部求解最小最大优化问题、神经网络的泛化性能、泛音卷积运算和对超图的特征学习问题等。王远皓同学此次发表3篇第一作者论文。张天纵合作完成的论文《两层神经网络的渐进泛化分析》入选大会亮点论文(Spotlight Paper)。

　　ICLR是公认的深度学习领域国际顶级会议之一，关注有关深度学习各个方面的前沿研究，在人工智能、统计和数据科学领域以及机器视觉、语音识别、文本理解等重要应用领域中发布了众多极其有影响力的论文。ICLR采取完全公开评审规则，任何对论文有兴趣的研究者都可以参与到关于论文评审意见的讨论中。这使得ICLR论文评审的透明性和广泛性在深度学习顶级会议中独树一帜，同时也大大增加了论文被接收的难度。ICLR 2020共有2594篇论文提交，其中48篇被接收为演示论文(Talk Paper)，107篇被接收为亮点论文(Spotlight Paper)，532篇作为墙报论文(Poster Paper)。