IJCAI 2024：論文提交量增加了23.8%，但錄用率并無上升

作者丨張進 王悅

編輯丨陳彩嫻

北京時間 8 月 9 日下午四點，第 33 屆國際人工智能聯(lián)合會議 IJCAI 正式結(jié)束，此次大會為期 7 天，于 8 月 3 日到 8 月 9 日在韓國濟州島舉行，所有相關(guān)獎項均已公布。

根據(jù) IJCAI 官方數(shù)據(jù)，IJCAI 2024 已經(jīng)成為該會歷史上規(guī)模最大的一屆，今年的投稿數(shù)量達到了創(chuàng)紀錄的 5651 篇，現(xiàn)場參會人數(shù)接近三千人，其中中國人約有一千人。

作為人工智能領(lǐng)域的 CCF-A 類頂級國際會議，第一屆 IJCAI 會議要追溯到 1969 年加利福尼亞，之后每兩年召開一次，從 2016 年開始 IJCAI 轉(zhuǎn)為每年舉辦一次，去年 IJCAI-23 在澳門舉行，無數(shù)人工智能研究人員從全球匯聚于此，在這個平臺上展示前沿科學(xué)成果、展示論文，進行學(xué)術(shù)交流。

不同于在美國西雅圖剛剛舉辦的 CVPR 會議以及接下來在泰國將要舉行的 ACL 會議，IJCAI 是人工智能領(lǐng)域的綜合類會議，本次會議涵蓋了Learning、Neural Networks、Models、Transformer、Contrastive、Reinforcement等關(guān)鍵詞，包含了多個領(lǐng)域，Uncertainty in  AI，Robotics，Search，Planning and Scheduling……共 15 個方向。

在 8 月 6 日的開幕式上，IJCAI 公布了今年的論文接收結(jié)果：5651 篇提交論文，其中 791 篇被接收，錄用率為 14.0%。

對比上屆，IJCAI-23 共有 4566 篇論文被提交，643 篇論文被接收，錄用率為 14.1%。今年的論文提交量創(chuàng)下新高，提高了 23.8%，但錄用率跟上年持平。

自 2020 年起，IJCAI 錄用率便一路走低，接下來的幾年一直在 14% 水平線上下徘徊，對比此前錄用率保持在 20%—28% 范圍內(nèi)，自此網(wǎng)絡(luò)上關(guān)于 IJCAI 錄用嚴苛的討論聲起，今年也不例外。

對此，大會主席張成奇認為，作者會對論文是否投中的結(jié)果有一定程度上的不同意見，這是正常現(xiàn)象。對于這一爭議，其他會議上也會存在。

據(jù)AI 科技評論觀察，隨著人工智能研究的蓬勃發(fā)展，IJCAI 等頂級會議的投稿量急劇增加，競爭越發(fā)激烈，特別從今年的提交數(shù)量高出去年 23.8% 便可看出。在這個階段，學(xué)術(shù)界越來越重視研究質(zhì)量而非數(shù)量，可能導(dǎo)致會議組織者更加謹慎選擇收錄的論文，如 IJCAI 這樣的頂級會議開始呈現(xiàn)出以保證會議的學(xué)術(shù)水平和影響力、而降低錄取率的趨勢。

IJCAI  頒獎環(huán)節(jié)

Distinguished Papers

關(guān)注度較高的三篇 Distinguished Papers 中，沒有中國學(xué)者上榜。

第一篇頒發(fā)給了 MIT、University of Chicago、TTIC 共同發(fā)表的《Online Combinatorial Optimization with Group Fairness Constraints》，該論文探討了于在線組合優(yōu)化領(lǐng)域引入群體公平性約束的新視角。

論文地址：https://www.ijcai.org/Proceedings/2024/0044.pdf

論文介紹：為了解決數(shù)字市場中的實施公平約束的問題，論文中提出了一個將魯棒性和公平性納入 NP 完全問題的通用框架，例如優(yōu)化產(chǎn)品排名和最大化子模塊函數(shù)。

利用這一框架可以將問題轉(zhuǎn)化為旨在最大化平臺目標(biāo)的原始玩家和負責(zé)群體公平約束的雙重玩家之間的最大最小博弈。最終表明，通過改變公平約束的閾值，可以追蹤整個帕累托公平曲線。

第二批頒發(fā)給了由 Sapienza University of Rome、University of Bergamo 共同發(fā)表的《 Enhancing Controlled Query Evaluation Through Epistemic Policies》，該論文提出了通過認知策略增強受控查詢評估的方法。

論文地址：https://www.ijcai.org/Proceedings/2024/0366.pdf

論文介紹：該論文提出了在受控查詢評估（CQE）中，使用認知依賴來表達數(shù)據(jù)保護策略，這是一種在本體和數(shù)據(jù)庫上保持機密性的查詢應(yīng)答形式。論文中還展示了這一框架的表達能力，并研究了當(dāng)在描述邏輯 DL LiteR 中指定本體時，CQE 對于連詞查詢的數(shù)據(jù)復(fù)雜性。雖然這個問題通常很難解決，但論文中耶通提供了一個合適的查詢重寫算法，證明了非循環(huán)認知依賴情況下的可處理性。

第三篇頒給了Sorbonne University 發(fā)表的《Online Learning of Capacity-Based Preference Models》，研究了基于能力偏好模型的在線學(xué)習(xí)。

論文地址：https://www.ijcai.org/Proceedings/2024/0787.pdf

論文介紹：在多準(zhǔn)則決策中，將基于容量的決策模型擬合到給定的決策者是一個具有挑戰(zhàn)性的問題。該論文介紹了一種在線算法，用于學(xué)習(xí)容量的稀疏表示，該算法專為偏好示例按順序可用的決策環(huán)境而設(shè)計。基于正則化對偶平均的方法，也很好地適用于涉及大量偏好示例或大量標(biāo)準(zhǔn)的決策環(huán)境。此外，文中提出了一種變體，使其可以在保持可擴展性的同時，基于乘數(shù)的交替方向方法，包括對容量的規(guī)范約束。

此外，IJCAI 每年都會評選出 Award for Research Excellence、Computers and Thought Award、John McCarthy Award、Donald E. Walker 四個獎項，授予在人工智能領(lǐng)域做出杰出貢獻的科學(xué)家。

其中前三項的獲獎?wù)咴缭跁h開始前一個月就在官網(wǎng)公開，8.6 日的開幕式上揭曉了Donald E. Walker的獲獎?wù)摺?/p>

IJCAI 2024 Award for Research Excellence （卓越研究獎）通常辦法給頒發(fā)給在整個職業(yè)生涯中始終堅持高質(zhì)量研究計劃并取得多項重大成果的科學(xué)家。2024 年卓越研究獎頒給了Thomas Dietterich，他是美國俄勒岡州立大學(xué)協(xié)作機器人與智能系統(tǒng)研究所 (CoRIS) 的杰出教授（名譽）兼智能系統(tǒng)主任。Dietterich 教授的研究聚焦在機器學(xué)習(xí)、順序決策、機器學(xué)習(xí)系統(tǒng)的安全部署、生態(tài)系統(tǒng)管理中實際問題的應(yīng)用等方面，數(shù)十年來在機器學(xué)習(xí)領(lǐng)域有著重要的領(lǐng)導(dǎo)地位，取得了多項開創(chuàng)性工作。

IJCAI 2024 Computers and Thought Award（計算機與思想獎）頒給了加拿大多倫多大學(xué)計算機科學(xué)副教授 Nisarg Shah。

Shah 博士的主要研究方向是利用社會選擇理論原理在算法公平性理論方面的基礎(chǔ)性工作。

IJCAI 2024 John McCarthy Award（約翰·麥卡錫獎）的獲獎?wù)呤敲绹鐐惐葋喆髮W(xué)統(tǒng)計學(xué)和計算機科學(xué)教授 David Blei。

Blei 教授因其在機器學(xué)習(xí)領(lǐng)域的開創(chuàng)性工作而獲得認可，尤其是他在主題模型和隨機變分推理領(lǐng)域的開創(chuàng)性貢獻。

IJCAI 2024 Donald E. Walker（杰出服務(wù)獎）由 IJCAI 理事會于 1979 年設(shè)立，旨在表彰人工智能領(lǐng)域的資深科學(xué)家在其職業(yè)生涯中對該領(lǐng)域的貢獻和服務(wù)。2024 年該獎項頒給了美國明尼蘇達大學(xué)雙城分校的 Maira Gini 教授。

AIJ 杰出論文獎（AIJ Prominent Paper Award）與 AIJ 經(jīng)典論文獎（Classic AIJ Paper Award）

開幕式上還公布了兩大獎項，分別是 AIJ 杰出論文獎（AIJ Prominent Paper Award 2021）與 AIJ 經(jīng)典論文獎（Classic AIJ Paper Award）。

AIJ 的全稱為“Artificial Intelligence Journal”，即《人工智能期刊》，始建于 1970 年，是人工智能研究領(lǐng)域的頂級學(xué)術(shù)期刊，具有公認的權(quán)威性與知名性。

2024 AIJ 杰出論文獎頒發(fā)給了由PUCRS（南里奧格蘭德天主教大學(xué)）、阿伯丁大學(xué)于 2019 年共同發(fā)表的《Landmark-Based Approaches for Goal Recognition as Planning》。

該研究主要討論了在自動化規(guī)劃技術(shù)中，如何高效地識別目標(biāo)和計劃。特別是在需要快速且準(zhǔn)確識別目標(biāo)和計劃的應(yīng)用場景中，作者提出了一種新穎的目標(biāo)識別方法。這些方法基于規(guī)劃技術(shù)，特別是依賴于規(guī)劃中的"里程碑"（landmarks）概念。

獲得經(jīng)典論文獎（Classic AIJ Paper Award）的是《 Agent-oriented-programming》 。這一篇論文發(fā)表于 1993 年，作者為斯坦福大學(xué)的 Yoav Sgoham 教授。

論文鏈接：https://www.sciencedirect.com/science/article/pii/0004370293900349

論文中提出了當(dāng)時的一種新的計算框架，即 AOP，它可以被視為面向?qū)ο缶幊痰膶ｉT化。論文中將 Agent 的狀態(tài)在標(biāo)準(zhǔn)認知邏輯的擴展中得到了形式化的描述：除了將知識和信念運算符時間化之外，AOP還引入了義務(wù)、決策和能力運算符。

IJCAI-JAIR 最佳論文獎

自 2003 年起，IJCAI-JAIR 最佳論文獎每年從最近 5 年發(fā)表在 JAIR 的論文中評選并表彰一篇杰出論文。評審的標(biāo)準(zhǔn)基于論文的重要性和 presentation 的質(zhì)量。

本屆 IJCAI-JAIR 最佳論文獎授予了來自 MIT 和  Google Research 團隊共同發(fā)表的《Confident Learning：Estimating Uncertainty in Dataset Labels》。

論文鏈接：https://arxiv.org/pdf/1911.00068v3

作者：MIT 的 Curtis G. Northcutt 和 Isaac L. Chuang，Google Research 的 Lu Jiang

論文介紹：該篇論文聚焦于人工智能行業(yè)長時間以來的痛點數(shù)據(jù)領(lǐng)域，提出了一種能夠提高標(biāo)簽質(zhì)量的方法 Confident Learning （CL）。論文中指出了 CL 準(zhǔn)確發(fā)現(xiàn)標(biāo)簽錯誤的充分條件，并展示了 CL 性能超過了 CIFAR 數(shù)據(jù)集上使用噪聲標(biāo)簽進行學(xué)習(xí)的七種最先進的方法。

AI 不止大模型

根據(jù) IJCAI 官方公布的數(shù)據(jù)，對 IJCAI 2024 錄用論文數(shù)據(jù)的統(tǒng)計分析來看，論文主要涵蓋了 15 個主題領(lǐng)域，排名前十的有計算機視覺、機器學(xué)習(xí)、數(shù)據(jù)挖掘、多學(xué)科主題和應(yīng)用、自然語言處理、博弈論和經(jīng)濟范式、AI 倫理信任和公平性、Agent- based和多 agent 系統(tǒng)、知識表示和知識推理、人類與人工智能。

其中，跟大模型相關(guān)的研究領(lǐng)域依然是 2024 IJCAI 最熱，盡管 CVPR 剛過去不久，排在首位的關(guān)鍵詞依然被計算機視覺霸占，跟 IJCAI-23 的大熱門一樣，計算機視覺和機器學(xué)習(xí)領(lǐng)域的提交和接收的論文數(shù)量最多，在一眾領(lǐng)域中一騎絕塵。

計算機視覺有 1616 篇論文被提交，被錄用 135 篇，錄用率達到 8.4%，緊隨其后的機器學(xué)習(xí)有 1542 篇論文被提交，234 篇被錄用，錄用率達到 15.2%，是計算機視覺的兩倍。

自然語言處理在此次 IJCAI 大會上的論文提交和接收排到第五，論文提交 366 篇，接受 57 篇，錄用率為 15.6%。

而排在第三位的數(shù)據(jù)挖掘論文提交數(shù)據(jù)出現(xiàn)大斷層，有 499 篇論文被提交，不到計算機視覺和機器學(xué)習(xí)的三分之一，被錄用 71 篇，錄用率為 14.2%。

Agent 作為當(dāng)前大模型落地的未來趨勢，此次 IJCAI 主題演講之一便是由南洋理工大學(xué)安波教授分享的《From Algorithmic and RL-based to LLM-powered Agents》，指出了目前自主 Agent 遇到的問題包括隨機且開放的環(huán)境、分布式優(yōu)化等。

同時，也分析了不同時期解決問題的途徑：從 2006 年開始，運用優(yōu)化技術(shù)去解決小范圍問題；2017 年，可以使用強化學(xué)習(xí)的方法為去解決特定問題；直到 2023 年，大語言模型的使用可以去解決通用問題。這一演講也給 Agent 的底層架構(gòu)研究提供了新的啟發(fā)與思路。

之外， Agent 層面還出現(xiàn)了很多創(chuàng)新性的工作。中國科學(xué)院大學(xué)黃凱奇團隊，做了以游戲為場景的 Multi-Agent 強化學(xué)習(xí)研究。與過去學(xué)術(shù)界偏靜態(tài)的多樣性研究不同，這一工作的創(chuàng)新點在于引入模塊化的智能體網(wǎng)絡(luò)，促進了多智能體涌現(xiàn)動態(tài)自適應(yīng)的多樣性合作表現(xiàn)。

在現(xiàn)場，AI 科技評論聽到了這樣的一種評論：IJCAI 2024 有一些復(fù)古的色彩，因為它并沒有完全被火熱的大模型占據(jù)，仍然有很多人工智能領(lǐng)域傳統(tǒng)的研究方向和話題，給傳統(tǒng)研究提供了一席之地。

這一特點從議程中也可以窺知一二。在 Main Confrence 中，每天均至少設(shè)有六個關(guān)于 ML 細分方向的演講，是所有方向中論文數(shù)量最多的一個。

除此之外， AI 科技評論也觀察到 IJCAI 2024 有很多關(guān)于納什均衡（NE）等博弈論的典型研究。南洋理工大學(xué)王新潤等人的 《Reinforcement Nash Equilibrium Solver》提出了強化納什均衡求解器（RENES），它可以訓(xùn)練一個單一的策略來修改不同規(guī)模的博弈，并將求解器應(yīng)用于修改后的博弈，在原始博弈上評估獲得的解。

這項工作初步驗證了在 LLM 中取得成功的大規(guī)模預(yù)訓(xùn)練的方法可以在 game theory 領(lǐng)域獲得應(yīng)用，并且達成了zero-shot的 泛化，是邁向 game foundation model 的一小步。

除大熱門計算機視覺和機器學(xué)習(xí)之外，今年  IJCAI 還新增加了三個特別的主題領(lǐng)域，分別是AI，Arts，and Creativity（人工智能、藝術(shù)和創(chuàng)造力），AI for Social Good （人工智能造福社會），Human-Centred AI（以人為中心的人工智能）。

“AI，Arts，and Creativity”是藝術(shù)跟AI結(jié)合的交叉領(lǐng)域，包括藝術(shù)創(chuàng)作、藝術(shù)品分析、音樂創(chuàng)作、創(chuàng)業(yè)寫作等方向。

這一主題的演講現(xiàn)場，人滿為患，現(xiàn)場座位容納不下，以至于會議室過道、門口都擠滿了人，現(xiàn)場非常熱鬧，據(jù) AI 科技評論現(xiàn)場觀察，人工智能與藝術(shù)的結(jié)合的研究在整個 IJCAI 中非常受歡迎。這也說明了大模型應(yīng)用落地依然是學(xué)界跟產(chǎn)業(yè)界共同關(guān)注的話題。

這一領(lǐng)域的話題大多圍繞當(dāng)下頗受關(guān)注的文生圖和視頻生成領(lǐng)域，探究更多風(fēng)格的生成以及如何做出更具美感的視頻。

“AI for Social Good”是指應(yīng)用人工智能技術(shù)解決社會挑戰(zhàn)并改善個人和社區(qū)的福祉，包括Google 的 AI for Social Good 計劃，人工智能在健康方面的應(yīng)用等等。

"Human-centred AI" 指的是以人為中心的人工智能，這是一種設(shè)計和開發(fā)人工智能系統(tǒng)的方法，強調(diào)以用戶的需求、價值觀和體驗為核心。這種人工智能系統(tǒng)旨在增強人類的能力，提高效率。

寫在最后

在本次 IJCAI 有 36 項 WorkShop 入選，除了當(dāng)下最熱的大模型研究之外，還包含了如腦研究、AI4醫(yī)療、AI4TS、無代碼助理、推薦系統(tǒng)等多個前沿人工智能研究。

正如 AI 科技評論所接觸的參會人員反饋，他們共同的感受是 2024 IJCAI 的確符合它綜合會議的定義，本次大會覆蓋范圍很廣、非常全面。

有現(xiàn)場的學(xué)者告訴 AI 科技評論，由于自己的研究方向并非是 NLP 和 CV ，導(dǎo)致自己能投的垂直領(lǐng)域會議較少，而 IJCAI 是為數(shù)不多適合投的頂會。

有著 56 年歷史的 IJCAI，一方面在更多地展示其包容性與豐富性，另一方面，也孕育了 AI 未來更多新的可能性。

雷峰網(wǎng)雷峰網(wǎng)雷峰網(wǎng)(公眾號：雷峰網(wǎng))

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。