原标题：这场NeurIPS 2019研讨会，让新人与Bengio等大佬面对面沟通，还颁发了三项论文奖

NeurIPS 2019 现已在温哥华挨近结尾。作为人工智能和机器学习范畴最尖端的盛会之一，本届大会参会总人数现已超越 13000 人，比上一年增加了 50%。

在大会期间，一场面向 AI 新手的机器学习研讨会「New In ML 2019」也于当地时间 12 月 9 日 7 点至 17 点举行。这场研讨会由第四范式、 ChaLearn 和 Google 联合举行，为初度参会的研讨者供给了一个与业界大牛面对面沟通和学习的时机，并取得了十分活跃的反应。多名与会者在与大会最高决议计划安排 NeurIPS Board 及组委会的对话环节介绍了 New In ML 研讨会给他带来的巨大价值百科，期望下一年持续。因为一票难求，有参会者表明期望自己的新学生能来参加但没有被抽中门票，为了缓解这一忧虑，主办方表明将在下一年为 New In ML 研讨会专门预留门票以便新博士生能够增大参加时机。

本次 New In ML 2019 以经典的 Workshop 办法安排，包含了专家辅导、投稿、评选优秀论文、口头和陈述展现等丰厚的环节，是首个成为 NeurIPS 大会官方环节的机器学习初学者论坛。论坛共收到机器学习范畴论文投稿 80 余篇，经过专业评定委员会评论和评定，挑选出 12 篇 Oral Presentation 和 40 余篇 Poster 论文，一同评选出了 3 篇最佳论文并现场颁发了奖项。

这场 Workshop 得到了新晋图灵奖取得者 Yoshua Bengio 、NeurIPS 安排最高决议计划者、秘书长 Terrence Sejnowski、以及最高决议计划安排 NeurIPS Board 和 Advisory Board 的多位核心成员——Thomas G. Dietterich、Samy Bengio、Isabelle Guyon、Neil Lawrence、Masashi Sugiyama、Hugo Larochelle 诸位大佬的支撑。

为期整整一天的活动是从早餐会开端的，新人们与 Yoshua Bengio、Hugo Larochelle、Max Welling、Thomas G.Dietterich、Radford Neal 几位业界大牛一同享受早餐，并面对面沟通机器学习范畴的一些研讨心得。

随后，巴黎萨克莱大学教授 Isabelle Guyon 做了开幕致辞。

受邀到会的 Thomas G. Dietterich 是本次活动的主题讲演嘉宾，为新人们浅显易懂地解说了怎么做机器学习研讨，以及怎么写机器学习的论文。此外，他也与新人一同完好地回忆了机器学习的开展前史，并必定了工程范畴和交叉学科前进对机器学习开展的影响。

在主题讲演中，他还谈到了写机器学习论文的一些技巧，包含怎么了解自己的研讨和全体研讨的联系、怎么回忆已有研讨、怎么写好论文（包含批评性地吸收、回忆、总结相关研讨、制图等）。讲演中，Dietterich 还约请听众参加小组评论，使得整一个完好的进程更有教育含义。

在下午的圆桌评论环节，多位大佬等级的导师一同到会，与参加活动的新人们展开了关于「快速融入机器学习范畴」方面的评论和沟通。

在圆桌论坛上，几位深度学习大牛共享了他们在提出好的研讨思路、做好研讨、怎么跟上加速速度进行开展的深度学习等方面做了轻松的面对面沟通。在谈到怎么能轻松的取得好的研讨主意的时分，Samy Bengio 表明，重要的一点是不要从众。假如有个研讨的方向和思路许多人去做了，那它或许不是一个好的主意。要想做出不一样的研讨，需求远离人群，提出新的主意，有时或许需求不断提出新主意并寻求牢靠的主张来做鉴别。除此之外，Hugo Larochelle 强调了要挑选自己有热心的研讨方向，并指出与不同研讨爱好的人沟通也有助于发现早年不知道但其实令你入神的方向，然后创新出什么。Neil Lawrence 指出了坚持的重要性。

谈及什么是好论文、有价值百科的论文，Samy Bengio 指出，最有价值百科奉献的研讨应是具有启示性的，能够触达更多价值百科，比方能在某些研讨方向上引出新的能够进一步构建的问题，能够是理论的、经历的或许任何能轻松完成这一点的奉献。王立威从动机层面主张，假如想做出有奉献的研讨，需求为了你以为「重要」的事做研讨，而不是为了取悦审稿人宣布论文而做研讨。谈到会议论文和期刊论文对奉献度的要求，Masashi Sugiyama 表明，关于会议论文来说，有一个好点子就一般是满足宣布了，而期刊论文很容易就耗时一两年，需求有多个发现讲一个完好的故事。

最佳论文奖项

本次活动还特别设置了论文投稿环节，并从中评选出多个论文奖项。依据主办方要求，除参考文献外，投稿论文的篇幅不得超越 8 页，篇幅较短但内容满足好的论文也能够。投稿论文的榜首作者从前没有被 NeurIPS（主会议）接纳的论文，而且也不得在其他顶会上承受过评定或被接纳。假如投稿论文之前被拒过，则应在提交至 New In ML 2019 之前进行修正。

被 New in ML 2019 接纳的论文将承受专业 NeurIPS 审稿人的评定，假如评定经过，则能够在 workshop 和 expect coaching 上进行讲演或 poster 展现。还需留意的一点是，提交的论文并不作为正式的 NeurIPS 论文，所以论文作者能够之后进行修正并提交至 NeurIPS 2020，并在从头提交至其他顶会时应该考虑这些会议的方针。

在 80 余篇投稿中，专业评定委员会挑选出了 12 篇 Oral Presentation 和 40 余篇 Poster 论文，并在活动现场公布了三个最佳论文奖项，包含最具颠覆性观念奖（Most Disruptive Idea）、最具科学含量奖（Best Scientific Contents）和最佳口头陈述奖（Best Oral Presentation）。荣获最佳论文奖项的作者将有时机注册 NeurIPS 以及请求游览奖（travel award）。

以下为本次获奖的论文：

最具颠覆性观念奖（Most Disruptive Idea）

取得 New in ML 2019 最具颠覆性观念奖的论文是《Edge Contraction Pooling for Graph Neural Networks》，作者是来自德国慕尼黑工业大学（TUM）的 Frederik Diehl。

论文链接：https://arxiv.org/abs/1905.10990

一般，有关图神经网络（GNN）的研讨会集在卷积层的改善上，很少重视开发图池化层。但其实，池化层经过将一组节点抽象化，而非运用单个节点的办法，是能够让图神经网络具有推理才能的。在图神经网络的研讨基础上，文章提出了一种根据边际缩短概念的新的图池化层（Graph Pooling Layer)，能够与图神经网络结合，在节点分类和图分类使命上，进步了准确率，一同能够适用于大规模图的处理。

最具科学含量奖（Best Scientific Contents）

取得 New in ML 2019 最具科学含量奖的论文是《Popularity Agnostic evaluation of Knowledge Graph Embeddings》，作者分别是来自卡塔尔核算研讨所（Qatar Computing Research Institute，QCRI）的 Aisha Mohamed、Shameem Parambath、Zoi Kaoudi 和 Ashraf Aboulnaga。论文一作 Aisha Mohamed 为 QCRI 的助理研讨员。

第四范式主任科学家涂威威在现场为 Aisha Mohamed 公布最具科学含量奖

在这篇文章中，作者特别强调了常识图谱中实体与联系十分不均衡的现象，传统的点评目标例如 hits@k, 并不能很好的处理这些 bias，因而作者提出了新的点评目标「strat-hits@k」，这是一个根据实体、联系受欢迎度的无偏估量目标。

最佳口头陈述奖（Best Oral Presentation）

取得 New in ML 2019 最佳口头陈述奖的论文是《Augmenting Learning Using Symmetry in a Biologically-inspired Domain》，作者分别是来自哈佛、Google 和 DeepMind 的 Shruti Mishra、Abbas Abdolmaleki、Arthur Guez、Piotr Trochim 和 Doina Precup。论文一作 Shruti Mishra 博士就读的是哈佛大学约翰保尔森工程与使用科学学院的使用数学系。

论文链接：https://arxiv.org/abs/1910.00528

在监督学习，如图画分类使命中，旋转、搬迁和标准缩放被用于进行数据增强。受图画数据增强的启示，文章提出在强化学习仿真环境中，使用对称联系，让 Agent 能够在数据有限的情形下，扩大练习数据，能够明显进步练习功率，一同能够使得 Agent 学习对称不变性。该办法从进一步使用的层面上讲，能够加速机器人实际使用中的学习速度。

责任编辑：