蚂蚁集团持续探索生成式 AI，20 篇论文入选 AI 顶会 NeurlPS

当地时间 12 月 10 日，为期一周的人工智能和机器学习领域顶级会议 NeurlPS 在美国路易斯安那州新奥尔良市举办。

NeurIPS 为全球权威 AI 会议之一，其官方数据显示，本届会议共有 12343 篇有效论文投稿，接收率为 26.1%。蚂蚁集团有 20 篇论文被收录。

蚂蚁此次入选的论文，覆盖计算机视觉、自然语言处理、图神经网络、图像处理等多个人工智能和机器学习等领域。其中七成以上论文聚焦解决生成式 AI 在高速发展过程中遇到的一些挑战和难题。

比如《基于可学习和可解释基底的时间序列预测》一文，是此前入选另一个 AI 顶会 ICLR2022 的一篇演说论文 Pyraformer 的后续研究成果。这篇论文利用交叉注意力机制将时间序列分解到了一组可学习的基底上，并进一步利用历史的基底权重和基底未来的部分来预测未来，提高了金融、云计算监控、电力、交通等场景的预测性能。

另一篇论文《基于模块化代码库的 3D 感知图像生成的基准测试和分析》，试图解决 3D 感知图像生成技术领域的一个问题：实际工作中通常会混合使用各种技巧和方案，但究竟是算法的哪一个模块对最终效果起到关键作用，是不清楚的。文章中构建的高度结构化的代码库 Carver 能够让开发者独立开发和替换每个模块，不但能提高 3D 图像生成的精准度，还可加快开发效率。

《PromptTPP : PromptPool 与时序点过程模型的持续学习》一文则优化了事件序列时序模型传统训练方式的一个缺陷，训练结果是静态的，即它们被部署后不会再进行学习或更新。文章建构了一个 PromptTPP 持续学习模型，这一模型能保持持续性学习，不断更新和改进其性能和知识库。这一新时序模型能提高金融市场分析与预测、交通流量和运输等有明显时间顺序特征的场景的趋势预测的准确度。

12 月 10 日，蚂蚁集团还受邀在大会首日举办以“知识增强 AI 在垂直行业的应用探索”为主题的研讨会。研讨会围绕过去一年，大数据驱动的机器智能技术达到新高度，但其在专业垂直行业进行应用落地时，依然面临着生成内容幻觉多、毒性高、知识性低、鲁棒性差、歧视严重等问题，聚焦探讨知识增强 AI 技术如何将垂直行业的专业知识与大数据驱动的机器智能进行融合，构建出知识增强、人机协同、公平包容、稳定鲁棒的机器智能新范式。

研讨会上，蚂蚁集团还正式开源了业界首个分布式全链路因果学习系统 OpenASCE (OpenAll-Scale Causal Engine) 。

OpenASCE 根植于蚂蚁集团多年积累的实践经验和技术突破，相较于业界已有的一些开源框架，支持全链路大规模因果学习，包含因果发现、因果效应估计和归因，覆盖了因果各个领域的相应实现。

OpenASCE 实现的大规模分布式因果纠偏树可以在 4 小时内完成 1 亿样本的训练任务，是业界唯一的分布式因果提升树实现。此外，OpenASCE 还沉淀了 20 多个工业级因果学习算法，包括 15 个以上因果技术和深度学习结合的因果表征学习方法，有效降低了因果技术的工业应用门槛，在蚂蚁集团内部多个场景实现了规模化应用。

截至目前，蚂蚁集团已在数据库、云原生、中间件等基础软件领域开源了 1700 多个仓库、积累了 100 多个社区头部开源项目。

过去五年，蚂蚁集团在国际顶级学术期刊和学术会议上发表论文近 500 篇，其中 AI 领域的论文 300 余篇。蚂蚁集团在人工智能领域持续进行技术投入，基于大规模业务场景的需求，布局了包括知识图谱、运筹优化、图学习、可信 AI、大模型等在内的 AI 技术领域。