近日，人工智能顶级会议之一ICLR录取结果公布。
纳入蚂蚁集团论文11篇，其中Oral论文1篇，Spotlight论文3篇。
，7篇海报，蚂蚁集团在AI学术领域的进展备受关注。
（图：蚂蚁集团的《长视频中的多粒度噪声关联学习》作为Oral论文被收录）ICLR组委会今年共收到论文投稿，录用率约为31%。
其中，1.2%被录用为Oral论文，作者获得10分钟口头演讲； 5%被接受为Spotlight论文并接受4分钟的Spotlight演讲；海报论文以海报的形式展示。
论文在这三个类别中按重要性降序排列。
每年，超过一半的ICLROral论文都会成为“ICLR最佳论文”，这也代表了新一年的研究方向。
今年，ICLR 评级的Oral论文共有 85 篇，其中包括蚂蚁集团的《Multi-granularity Correspondence Learning from Noisy Instructional Videos》（视频中的长多粒度噪声关联学习）。
短视频已经成为人们日常生活的主要娱乐方式，多模态技术也是人工智能的热门领域。
由于计算资源成本较高，现有的视频工作主要侧重于片段的理解，而忽略了长视频。
时间依赖性。
本文将长视频学习转化为短视频片段之间的相关性对齐。
针对视频和文本之间明显的噪声相关性问题，提出了统一的最优传输对齐方案，显着提高了长视频理解能力并节省了时间。
高架。
该解决方案也是通用的，所提出的噪声相关处理方法可以应用于需要内容对齐的其他模式中的预训练学习模型。
Spotlight收录的三篇论文分别是《iTransformer: Inverted Transformers Are Effective for Time Series Forecasting》（iTransformer：Inverted Transformer对于时间序列预测更有效），描述了一种新的时间序列预测工作，打破了常规模型结构，在复杂时间序列预测任务中取得了全面领先； 《Enhanced Face Recognition using Intra-class Incoherence Constraint》（通过类内不一致性约束增强的人脸识别技术）引入了一种新方法，进一步提高人脸识别的准确性。
《Finite-State Autoregressive Entropy Coding for Efficient Learned Lossless Compression》（基于查找表实现的高效无损压缩算法的可学习自回归模型）提出了一种新算法，可以实现高压缩率和高吞吐率的无损压缩。
自2017年以来，ICLR每年收到的论文数量以30%的速度增长，另外两个人工智能顶级会议NeurIPS和ICML也出现了高速增长。
上个月举办的NeurlPS上，共收录了蚂蚁集团的20篇论文，涵盖了计算机视觉、自然语言处理、图神经网络、图像处理等人工智能和机器学习领域的前沿课题。
（图：ICLR自2018年成立以来每年的论文数量，从2009年开始，论文数量不断增加。
）ICLR近年来受到业界的好评，主要得益于其Open Review评审制度，所有提交的论文论文将由所有同行进行评估。
并提出问题，任何学者都可以匿名或实名对论文发表评论。
公开评审完成后，论文作者还可以对论文进行调整和修改。
据了解，近五年来，蚂蚁集团在国际顶级学术期刊和学术会议上发表论文近百篇，其中人工智能领域论文百余篇。
蚂蚁集团持续投资人工智能领域的技术。
基于大规模业务场景的需求，布局了大模型、知识图谱、运营优化、图学习、可信AI等技术领域。