papers I read

论文-我-读

我正在尝试一项新举措——每周一篇论文。该存储库将保存所有这些论文以及相关的摘要和注释。

论文列表

• Toolformer - 语言模型可以自学使用工具
• 计算机系统设计的提示
• 跨任务和环境的迁移和适应的综合策略
• 用于 YouTube 推荐的深度神经网络
• 规模化的尾巴
• 预测 Facebook 广告点击的实际经验教训
• 广告点击预测 - 战壕中的视图
• 灾难性遗忘的剖析——隐藏表征和任务语义
• 课程什么时候有效？
• 使用超网络持续学习
• 通过生成特定于任务的适配器进行零样本学习
• 超网络
• 基于能量的持续学习模型
• GPipe - 通过微批量管道并行性轻松扩展
• 神经元的组成解释
• 基于容器的分布式系统的设计模式
• Cassandra - 去中心化结构化存储系统
• CAP 十二年后 - 规则发生了怎样的变化
• 现代分布式数据库系统设计中的一致性权衡
• 探索简单的连体表示学习
• 互联网规模单点登录的数据管理
• 寻找构建债务 - Google 管理技术债务的经验
• 一种解决方案并不是您所需要的全部 - 通过结构化 MaxEnt RL 进行少样本外推
• 学习难以改变的解释
• 出于正确的原因记住——解释减少灾难性遗忘
• 迁移学习的枝叶观点
• 收获、产量和可扩展的耐受系统
• MONet - 无监督场景分解和表示
• 重温体验回放的基础知识
• 深度强化学习和致命三合会
• Alpha Net：分类器空间中组合的适应
• 极其庞大的神经网络：稀疏门控专家混合层
• 用于多任务学习的梯度手术
• GradNorm：深度多任务网络中自适应损失平衡的梯度归一化
• TaskNorm：重新思考元学习的批量标准化
• 平均权重可以带来更广泛的最优值和更好的泛化能力
• 去中心化强化学习：通过本地经济交易进行全球决策
• 何时在强化学习中使用参数模型？
• 网络随机化 - 深度强化学习泛化的简单技术
• 论热启动神经网络训练的困难
• 监督对比学习
• CURL - 强化学习的对比无监督表示
• 独立深度生成模型混合的竞争训练
• 对 10,000 多个图像类别进行分类告诉我们什么？
• mixup - 超越经验风险最小化
• ELECTRA - 将文本编码器预训练为鉴别器而不是生成器
• 基于梯度的样本选择用于在线持续学习
• 您的分类器实际上是一种基于能量的模型，您应该像对待一个模型一样对待它
• 大规模多语言神经机器翻译的实际应用 - 发现和挑战
• 强化学习中的观察过度拟合
• 快速学习还是功能重用？了解 MAML 的有效性
• 准确的大型小批量 SGD - 1 小时内训练 ImageNet
• 将多个模型叠加为一个
• 迈向 MDP 状态抽象的统一理论
• ALBERT - 用于语言表示自监督学习的 Lite BERT
• 通过学习模型进行规划，掌握 Atari、围棋、国际象棋和将棋
• 结构化世界模型的对比学习
• 基于 Gossip 的深度 RL 参与者学习器架构
• 如何训练您的 MAML
• PHYRE - 物理推理的新基准
• 带产品密钥的大内存层
• 归纳常识推理
• 使用概率动力学模型进行的几次试验中的深度强化学习
• 评估深度强化学习的泛化能力
• 强化学习中的量化泛化
• Set Transformer：基于注意力的排列不变神经网络的框架
• 测量神经网络中的抽象推理
• 哈密​​顿神经网络
• 通过观察中的逆强化学习来推断出次优演示
• 结构化探索策略的元强化学习
• 关系强化学习
• 足够好的组合数据增强
• 基于多模型的强化学习
• 迈向持续学习的自然基准
• 无监督表示学习的元学习更新规则
• GNN Expander - 图神经网络事后解释工具
• 调还是不调？使预训练表示适应不同的任务
• 模型原始分层终身强化学习
• TuckER - 用于知识图补全的张量分解
• 语言知识作为循环神经网络的记忆
• 多样性就是你所需要的——无需奖励功能即可学习技能
• 模块化元学习
• 使用本体周期性策略集合的分层强化学习
• 通过 A-GEM 实现高效的终身学习
• 使用内核预训练图神经网络
• 用于深度 Top-k 分类的平滑损失函数
• 事后经验重播
• 双曲嵌入的表示权衡
• 可扩展和泛化的学习优化器
• 使用记忆增强神经网络进行一次性学习
• BabyAI - 人类参与基础语言学习的第一步
• 用于学习分层表示的庞加莱嵌入
• 当循环模型不需要循环时
• HoME - 家庭多模式环境
• 多智能体群体中扎根组合语言的出现
• 具有符号知识的深度学习的语义损失函数
• 使用可微池化的分层图表示学习
• 用于深度强化学习的想象力增强代理
• 克罗内克循环单位
• 学习独立的因果机制
• 基于内存的参数自适应
• 重生神经网络
• Net2Net-通过知识转移加速学习
• 学习计算自然图像中的对象以进行视觉问答
• 量子化学的神经消息传递
• 通过预测噪声进行无监督学习
• 彩票假设 - 训练修剪神经网络
• 训练神经网络的循环学习率
• 通过强化学习获取外部证据来改进信息提取
• 基于梯度的神经网络中灾难性遗忘的实证研究
• 从单位监督学习 SAT 求解器
• 交互系统的神经关系推理
• 使用循环神经网络的自然语言生成系统中的文体迁移
• 切入要点：用指针生成器网络进行总结
• StarSpace - 嵌入一切！
• 情感聊天机 - 利用内部和外部存储器生成情感对话
• 探索图像问答的模型和数据
• 深度神经网络中的特征如何可转移
• 提炼神经网络中的知识
• 重新审视带有图嵌入的半监督学习
• 用于机器理解中迁移学习的两阶段综合网络
• 复杂网络的高阶组织
• 网络主题 - 复杂网络的简单构建块
• 通过高斯嵌入的单词表示
• HARP - 网络的层次表示学习
• Swish - 自门控激活函数
• 阅读维基百科来回答开放域问题
• 通过强化学习进行面向任务的查询重构
• 使用神经机器翻译的关系网络细化源表示
• 指针网络
• 学习动态计算词嵌入
• R-NET - 具有自匹配网络的机器阅读理解
• ReasoNet - 机器理解中学习停止阅读
• 神经网络中分布不均示例的原则性检测
• 有任何问题都可以问我：用于自然语言处理的动态记忆网络
• 一种模型即可了解所有内容
• Word2Vec 针对语法问题的两次/过于简单的改编
• 自然语言推理的可分解注意力模型
• 使用神经网络的快速准确的依存解析器
• 神经模块网络
• 让 VQA 中的 V 变得重要：提升图像理解在视觉问答中的作用
• 条件相似网络
• 视觉问答的简单基线
• VQA：视觉问答
• 学习生成评论并发现情绪
• 看到时间之箭
• 目标驱动和视觉基础的对话系统的端到端优化
• 猜猜看什么？！通过多模式对话发现视觉对象
• 通过释义进行语义分析
• 向量空间中的知识图谱遍历
• PPDB：释义数据库
• NewsQA：机器理解数据集
• 基于角色的神经对话模型
• “我为什么要相信你？”解释任何分类器的预测
• 条件生成对抗网络
• 解决神经机器翻译中的罕见词问题
• 利用混合词字符模型实现开放词汇神经机器翻译
• 情感树库上语义组合性的递归深度模型
• 通过全局上下文和多个单词原型改进单词表示
• 使用 RNN 编码器-解码器学习短语表示以进行统计机器翻译
• 跳过思维向量
• 深度卷积生成对抗网络
• 生成对抗网络
• 机器智能路线图
• 智能回复：邮件自动回复建议
• 用于句子分类的卷积神经网络
• 使用 PixelCNN 解码器生成条件图像
• 像素递归神经网络
• 深入了解卷积网络：可视化图像分类模型和显着性图
• 高效文本分类的技巧包
• GloVe：用于单词表示的全局向量
• SimRank：结构上下文相似性的衡量标准
• 如何不评估你的对话系统：对话响应生成的无监督评估指标的实证研究
• 用最少的领域知识从自然语言神经生成正则表达式
• WikiReading：维基百科上的一项新颖的大规模语言理解任务
• WikiQA：开放域问答的挑战数据集
• 教机器阅读和理解
• 评估学习端到端对话系统的先决条件
• 循环神经网络正则化
• 深度数学：用于前提选择的深度序列模型
• 神经对话模型
• 用于直接读取文档的键值存储网络
• 优化循环网络的进展
• 用于机器理解的查询回归网络
• 使用神经网络进行序列到序列学习
• 深度架构训练的难度和无监督预训练的效果
• 使用子图嵌入回答问题
• 迈向人工智能完整问答：一组先决玩具任务
• 可视化大规模和高维数据
• 使用 t-SNE 可视化数据
• 课程学习
• 端到端内存网络
• 记忆网络
• 学习执行
• 分布式 GraphLab：云中机器学习和数据挖掘的框架
• 大规模分布式深度网络
• 向量空间中词表示的有效估计
• 通过弹性网络进行正则化和变量选择
• 部分最大池化
• TAO：Facebook 的社交图谱分布式数据存储
• 批量归一化：通过减少内部协变量偏移加速深度网络训练
• Twitter 数据分析的统一日志基础设施
• 关于机器学习的一些有用的知识
• Hive – 使用 Hadoop 的 PB 级数据仓库
• Kafka：用于日志处理的分布式消息系统
• 经验数据中的幂律分布
• Pregel：大规模图形处理系统
• GraphX：统一数据并行和图并行分析
• Pig Latin：一种不太外语的数据处理语言
• 弹性分布式数据集：内存集群计算的容错抽象
• MapReduce：简化大型集群上的数据处理
• BigTable：结构化数据的分布式存储系统
• Spark SQL：Spark 中的关系数据处理
• Spark：使用工作集进行集群计算
• 大数据时代的快数据：Twitter的实时相关查询建议架构
• Facebook 的 Memcache 扩展
• Dynamo：亚马逊的高可用键值存储
• f4：Facebook 的 Warm BLOB 存储系统
• 算法实验分析理论家指南
• 布谷鸟哈希
• 永无止境的学习