💡
原文中文，约4200字，阅读约需10分钟。
📝
内容提要
在2023年NeurIPS大会上，北京大学与字节跳动的《视觉自回归建模》和新加坡国立大学的《随机泰勒导数估计器》获得最佳论文奖，前者提出新型自回归图像生成方法，后者优化多元函数导数计算。厦门大学与英伟达的两篇亚军论文探讨了预训练token的重要性和扩散模型的引导方法。
🎯
关键要点
- 2023年NeurIPS大会最佳论文由北京大学与字节跳动的《视觉自回归建模》和新加坡国立大学的《随机泰勒导数估计器》获得。
- 《视觉自回归建模》提出了一种新型自回归图像生成方法，超越了扩散模型。
- 《随机泰勒导数估计器》优化了多元函数导数计算，显著提高了计算效率。
- 厦门大学与清华大学、微软的《并非所有token都是预训练所需的》获得亚军，提出选择性语言建模方法。
- 英伟达与阿尔托大学的《使用扩散模型的一个糟糕版本引导其自身》获得亚军，展示了图像质量与多变程度的分离。
- NeurIPS 2024将于12月10日至15日在温哥华举行，投稿数量增长27%。
➡️
