（本文阅读时间：6分钟）

本年度的人工智能科研顶会 AAAI 2023 已圆满落幕。此前的系列文章分享了微软亚洲研究院的研究员们入选 AAAI 2023 的研究工作，内容涵盖工业应用中的人工智能、人工智能创作、人工智能理论、负责任的人工智能。每期文章末尾最受欢迎的论文投票结果现已见分晓！

位列投票榜前列的论文将于2月28日14:00-15:20同时在微信视频号“微软亚洲研究院”与 B 站“微软科技”账号的直播间现身，与你同步人工智能科研的前沿进展！欢迎在微信视频号与 B 站多发弹幕参与直播互动，在每篇论文分享结束后，讲者将在问答环节回复弹幕中提出的问题！

直播时间：

2023年2月28日14:00-15:20

直播地址：

B 站账号“微软科技”直播间

微信视频号“微软亚洲研究院”

骆煦芳，微软亚洲研究院人工智能与机器学习组（上海）研究员。北京航空航天大学-微软亚洲研究院联合培养博士，于2020年毕业。主要研究方向为深度强化学习，以及利用机器学习进行跨学科研究。 

论文题目：

针对从离线到在线强化学习的自适应策略学习

Adaptive Policy Learning for Offline-to-Online Reinforcement Learning

论文摘要：

离线和在线强化学习是当前强化学习领域的两个主要分支，离线强化学习的数据集并不完备，而在线强化学习获取数据的成本很高。本文提供了一种简单的策略，通过对数据进行区分，综合两者的优势实现两种方法的结合。 

论文链接：

https://www.microsoft.com/en-us/research/publication/adaptive-policy-learning-for-offline-to-online-reinforcement-learning/

冯时，清华大学交叉信息研究院大四在读，目前在微软亚洲研究院理论中心实习。主要研究方向包括算法博弈论、因果推断以及理论机器学习。曾在 AAAI、NeurIPS 等会议上发表论文，并获得了 CSoNet 2021 最佳论文奖。 

论文题目：

基于因果的组合在线学习

Combinatorial Causal Bandits 

论文摘要：

本文探讨了基于因果的组合在线学习问题：玩家在未知的因果模型中交互、干预变量的选择将影响因果模型中可见变量的最终结果。算法通过玩家的交互学习因果模型的参数，并更新干预策略得出多轮交互的累积悔值的最小值。 

论文链接：

https://arxiv.org/abs/2206.01995

房宇辰，上海交通大学博士四年级在读，导师为 Apex 实验室张伟楠教授。研究兴趣主要集中在时间序列建模问题。目前研究重点为多变量时间序列预测问题和脑电信号处理。 

论文题目：

用于多变量时间序列建模的空间关系分解

Learning Decomposed Spatial Relations for Multi-Variate Time-Series Modeling

论文摘要：

多变量时序建模在多个领域具有广泛的应用，其关键是建模变量之间的空间依赖关系。论文提出了多变量时间序列中空间关系分解框架，将变量间空间关系分解为动态和静态部分，分别进行图学习，并使用 min-max 学习更好地协调两种空间关系的图学习。 

论文链接：

https://www.microsoft.com/en-us/research/publication/learning-decomposed-spatial-relations-for-multi-variate-time-series-modeling/

张直政，2021年于中国科学技术大学多媒体计算与通信教育部-微软重点实验室获博士学位，从事计算机视觉、多媒体领域研究工作，发表顶会顶刊论文20余篇。曾获中国科学技术大学优博、安徽省优博和中国电子教育学会优博论文奖等。

论文题目：

主动Token融合算子

Active Token Mixer 

论文摘要： 

主动 Token 融合算子（ATM）是一种可根据当前 Token 语义信息主动预测信息融合范围和权重，从而实现自适应和主动Token融合的通用算子。基于该算子的基础视觉网络（ATMNet）在图像分类、物体检测和语义分割等任务上均取得 SOTA 性能。 

论文链接：

https://arxiv.org/abs/2203.06108

锁定微信视频号与 B 站直播间，双倍精彩分享，明天与你不见不散！

你也许还想看：