ICLR 2020论文投稿2600篇，GNN、BERT、Transformer领跑热门研究方向

出品 | AI科技大本营（ID：rgznai100）

2019 年 4，ICLR 2020 论文征集活动开始，截止 9 月 25 日，大会共收到近 2600 篇投稿，相比 ICLR 2019 的 1580 篇论文投稿，今年增幅约为 62.5%。

• 近四年的数据统计：

• 论文主题方面

数据统计显示，根据今年的论文投稿主题来看，虽然深度学习、GAN 等领域依旧是热门，但其投稿数量呈下降趋势。值得注意的是， GNN、BERT 和 Transformer这三大领域，成为今年引人注目的新方向。

在 ICLR 2019 会议中，有两篇论文被评为最佳论文，一篇是由蒙特利尔大学、微软研究院共同研究发表的在 NLP 领域中深度学习模型工作：《Ordered Neurons: Integrating Tree Structures into Recurrent Neural Networks》，他们在 RNN 网络中集成树结构，提出一种神经元排序策略；另一篇是 MIT CSAIL 的关于神经网络压缩方面的研究成果《The Lottery Ticket Hypothesis: Finding Spare, Trainable Neural Networks》

对于今年的投稿，有网友已经开始在网上翻阅待盲审的论文，目前有哪些值得关注的研究呢？

近日，引发大家热议的一篇论文是《ARTIFICIAL DESIGN: MODELING ARTIFICIAL SUPER INTELLIGENCE WITH EXTENDED GENERAL RELATIVITY AND UNIVERSAL DARWINISM VIA GEOMETRIZATION FOR UNIVERSAL DESIGN AUTOMATION (FAR FROM THE MADDING CROWD: HOW TO BE SHALLOW TO AVOID GOT LOST IN DEEP FOREST?)》，网友们表示“亮瞎了眼睛”。

文中提出了个一个 Artificial Super Intelligence (ASI) ，用广义相对论(General Relativity)和广义达尔文主义(Universal Darwinism)来建模多智能体深度学习（Multi-Agent RL）。究竟好不好，有没有道理，感兴趣的小伙伴可以研究一下。

论文地址：

https://openreview.net/pdf?id=SyxQ_TEFwS

除了这篇“新颖的论文”，还有其他网友推荐的不同方向论文，如基于BERT提出的 ALBERT，通过减少参数来减少内存的消耗；关于 GNN 和 GCN 的论文《GraphSAINT: Graph Sampling Based Inductive Learning Method》、《Demystifying Graph Neural Network Via Graph Filter Assessment》；NAS 也是近两年的热点，研究者们推荐了多篇论文，优化（Optimization/Adam）的研究工作也有很多。

最后给出待盲审投稿论文的列表，欢迎对有价值的论文留言评论。

待审阅论文列表：

https://openreview.net/group?id=ICLR.cc/2020/Conference

（*本文为 AI科技大本营整理文章，转载请联系原作者）