Notícias de 6 de julho: a principal conferência internacional de aprendizagem automática, ICML 2026, realizou-se em Seul, Coreia do Sul, e anunciou os artigos premiados do ano. O artigo da equipa de Huang Gao da Universidade Tsinghua em colaboração com a Alibaba (A Armadilha da Flexibilidade: Repensando o Valor da Ordem Arbitrária em Modelos de Linguagem por Difusão) recebeu o Prémio de Artigo de Destaque. A investigação revela que a flexibilidade da ordem de geração arbitrária em modelos de linguagem por difusão, em tarefas de raciocínio geral como matemática e programação, acaba por limitar o potencial do modelo, e que abandonar a ordem arbitrária e adotar a geração tradicional da esquerda para a direita não só torna o método mais simples, como também melhora significativamente a precisão do raciocínio.
Outro Prémio de Artigo de Destaque foi atribuído ao Instituto de Tecnologia de Massachusetts e à Universidade de Yale, com a investigação a propor um algoritmo de amostragem de alta precisão para modelos de difusão (Amostragem de Alta Precisão para Modelos de Difusão e Distribuições Log-Côncavas), que conseguiu uma otimização exponencial no número de passos (ou complexidade de amostragem) necessários para atingir a precisão de amostragem desejada.
Outro artigo que recebeu o grande prémio desta edição foi um artigo de posição (Posição: A Comunidade de Alinhamento está Involuntariamente a Construir um Kit de Ferramentas de Censura), em colaboração entre investigadores da Universidade Ludwig Maximilian de Munique, na Alemanha, e investigadores independentes, que aponta que as atuais técnicas de alinhamento de IA apresentam riscos de dupla utilização, sendo facilmente manipuladas maliciosamente para se tornarem ferramentas de censura de informação.
O Prémio de Teste do Tempo desta edição foi atribuído ao algoritmo clássico de aprendizagem por reforço (Métodos Assíncronos para Aprendizagem por Reforço Profunda) publicado em 2016 pela equipa do Google DeepMind. A arquitetura de Ator-Crítico de Vantagem Assíncrona (A3C) proposta neste estudo aumentou significativamente a eficiência do treino de aprendizagem por reforço profundo, inaugurando a era do treino eficiente de agentes utilizando CPUs multi-núcleo comuns.

Ver original

Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.

Recompensa
gostar
Comentar
Republicar
Partilhar

Comentar

Adicionar um comentário

Nenhum comentário

Tópicos em destaque
Ver mais
#
GTBurns2.57MInQ
168,73K Popularidade
#
PredictWorldCupShare20000U
260,13K Popularidade
#
IsraelStrikesIranBTCPlunges
69,38K Popularidade
#
VitalikUnveilsLeanEthereum
157,94K Popularidade
#
gStocksTokenizedStocksLive
4,87M Popularidade

Fixado

A equipa de Huang Gao da Tsinghua ganhou o Prémio de Artigo de Destaque do ICML 2026, e o Prémio de Teste do Tempo foi atribuído ao algoritmo clássico A3C.

Tópicos em destaque

GTBurns2.57MInQ

PredictWorldCupShare20000U

IsraelStrikesIranBTCPlunges

VitalikUnveilsLeanEthereum

gStocksTokenizedStocksLive

Fixado