AMiner平台由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。
AMiner平台：https://www.aminer.cn/
NeurIPS2020论文审阅量达9454篇，接收量1899篇。其中清华64篇，排名第七；北大37篇，排名第二十。大量的论文信息，如何在一两分钟之内就掌握文章要旨、研究背景、动机、方法和结论等重要信息？枯燥的英文文献，在经过“秒读论文”一两分钟的解说后，帮助大家迅速获取核心要义，成为论文阅读的必备“神器”！
上次给大家分享过清华大学NeurIPS2020的论文与精读，这次带大家查看国内另一顶尖科研机构-北京大学的NeurIPS2020接收论文，体验能够“秒读”顶会论文的快乐！
什么是“秒读论文”？
“秒读论文”是清华大学AMiner团队和同济大学iDVX实验室与智谱AI联合发布了一款AI 视频神器，能够一键生成形象直观的可视化论文解读视频。
它具有：
**自动准确的核心内容提取：**秒读论文利用成熟的 NLP 和深度学习技术，可自动提取一篇论文的题目及出处、研究目的、研究路线、研究方法及创新点、研究成果。
**形象直观的可视化视频解读：**秒读论文通过 AI 智能配音在线合成视频解说语音，并自动生成视频字幕，每一块解说内容都配有一张论文中的相关插图，形成论文数据可视化解读视频。
秒读论文能给我们带来什么？
在一两分钟的“秒读论文”视频中，有五个部分，分别是"Introduction"、“Which Method Used”、“How ToUse”、“What’s The Result”、“Ending”。
我们以NeurIPS2020北大王立威教授的一篇论文为例，来看看秒读论文能给我们带来什么？
1）Introduction：这部分展示了论文的题目和出自会议等基本信息。
2）Which method used: 论文提出的方法及方法框架图解
3）How to use: 进一步介绍了方法实现的细节
4）What’s the result: 展示了论文的实验结果
5）Ending: 在视频结束页将自动生成二维码，扫码即可进入AMiner平台NeurIPS 2020专题对应的文章详情页，详细了解文章核心内容，迅速获得您需要的论文作者介绍、摘要、文章简介、研究结果、引用文献等重要内容。
“秒读”NeurIPS2020北大论文
百闻不如一见，AMiner平台带领大家“秒读”三位北大教授在NeurIPS2020会议上发表的论文，一起来体验一下吧！
王立威
现任北京大学信息科学技术学院教授，长期从事机器学习相关研究，目前主要致力于机器学习基础理论，即泛化理论的研究，差分隐私算法的设计与分析以及医疗影像诊断算法与系统的开发。
在NeurIPS2020中，王立威教授一共有4篇文章被接收，具体如下：
我们选择以一篇文章来进行展示:
标题：RepPoints V2: Verification MeetsRegression for Object Detection
链接：
https://www.aminer.cn/pub/5f117e0f91e011264d4477b0?conf=neurips2020
**简介：**验证和回归是神经网络预测的两种常用方法。每种方法都有自己的优点:验证更容易准确推断，回归更有效，适用于连续目标变量。因此，仔细地将它们结合起来以利用它们的优点通常是有益的。在本文中，作者利用这一原理来改进最先进的对象检测技术，特别是利用reppoint。虽然RepPoints提供了高性能，但作者发现它在对象定位方面严重依赖回归，因此还有改进的余地。
秒读：
RepPoints V2 Verification Meets Regression for Object Detection
黄铁军
现任北京大学电子工程与计算机科学学院教授，主要研究方向图像识别与视频编码。
在NeurIPS2020中，黄铁军教授一共有2篇文章被接收，具体如下：
我们选择一篇具体的了解一下吧！
标题：Learning Individually InferredCommunication for Multi-Agent Cooperation
链接：
https://www.aminer.cn/pub/5ee3527191e011cb3bff763f?conf=neurips2020
**简介：**沟通是人类合作的基础。它对多主体合作也至关重要。然而，现有的工作侧重于广播通信，不仅不切实际，而且会导致信息冗余，甚至会影响学习过程。为了解决这些困难，作者提出了一个简单而有效的模型，使代理能够学习代理-代理通信的优先级。先验知识通过因果推理来学习，并通过前馈神经网络来实现，前馈神经网络将agent的局部观察映射到与谁通信的信念。通过多智能体强化学习中的联合行动-价值函数来推断一个智能体对另一个智能体的影响，并将其量化，以说明agent-agent交流的必要性。此外，还对代理策略进行了规范化，以便更好地利用已传递的消息。实验结果表明，与现有方法相比，I2C不仅可以降低通信开销，而且在多种多智能体协作场景下可以提高性能。
秒读：
Learning Individually Inferred Communication for Multi-Agent Cooperation
朱占星
现任北京大学数学科学学院助理教授，研究兴趣包括机器学习和人工智能的方法论/理论及其在各个领域的应用。
在NeurIPS2020中，朱占星教授一共有2篇文章被接收，具体如下：
标题：Black-Box Certification with RandomizedSmoothing: A Functional Optimization Based Framework
链接：
https://www.aminer.cn/pub/5e539eca3a55ac4db70a5305?conf=neurips2020
简介：随机分类器已被证明为在深度学习中实现对敌对攻击的鲁棒性提供了一种有前途的方法。然而，大多数现有的方法只利用高斯平滑噪声和只工作ℓ2扰动。从统一的函数优化角度，作者提出了一个针对非高斯噪声和更一般类型攻击的对抗认证的一般框架。作者的新框架允许我们通过设计平滑分布来确定准确性和健壮性之间的关键平衡，帮助设计新的非高斯平滑分布族，作者提出的方法取得了比以往更好的认证结果，并为随机平滑认证提供了一个新的视角。
秒读：
Black-Box Certification with Randomized Smoothing A Functional Optimization Base
更详细了解NeurIPS2020论文与秒读视频，可以关注公众号或链接直达NeurIPS2020专题，最前沿的研究方向和最全面的论文数据等你来~
直达链接：
https://www.aminer.cn/conf/neurips2020/papers
扫码了解更多NeurIPS2020会议信息
添加“小脉”微信，留言“NeurIPS”，即可加入【NeurIPS会议交流群】，与更多论文作者学习交流！
