Νέα

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Machine Heart Original

Συγγραφέας: Zhang Qian

Το να μπορείς να «προσφέρεις» είναι επίσης μια πολύ πρακτική δεξιότητα.

Ανάμεσα στα πολλά κορυφαία συνέδρια τεχνητής νοημοσύνης, πού ανήκει το NeurIPS; Κάποιος το έβαλε στο σύμπαν του "The Legend of Zhen Huan" και έφτιαξε μια εικόνα: μάλλον του αξίζει η "δεύτερη θέση".

Πηγή εικόνας: χρήστης Xiaohongshu @云juanyeshu

Αυτή η κατάταξη μπορεί να είναι αμφιλεγόμενη, αλλά δεν υπάρχει αμφιβολία ότι το NeurIPS ήταν πάντα μεταξύ των τριών κορυφαίων συνεδρίων τεχνητής νοημοσύνης και βρισκόταν εδώ και καιρό στην πρώτη δεκάδα των παγκόσμιων περιοδικών του Μελετητή Google και των κορυφαίων συνεδρίων σε όλους τους κλάδους.

Επομένως, η δυνατότητα δημοσίευσης εργασιών σε αυτό το συνέδριο είναι κοινός στόχος πολλών ερευνητών τεχνητής νοημοσύνης. Οι πρωτοποριακές εργασίες AlexNet, Transformer και GPT-3 είναι όλες αποδεκτές εργασίες αυτού του κορυφαίου συνεδρίου.

Ωστόσο, αξίζει να σημειωθεί ότι οι εργασίες δεν αντιπροσωπεύουν την πλήρη αξία του NeurIPS. Ακόμη και αξιωματούχοι του NeurIPS είπαν, "Αυτοί οι διαγωνισμοί παίζουν σημαντικό ρόλο στην έρευνα και την επίλυση πολύπλοκων προβλημάτων」。

Πού μπορώ λοιπόν να βρω αυτούς τους διαγωνισμούς; Μάλιστα, οι υπεύθυνοι του NeurIPS δημοσίευσαν ένα blog τον Ιούνιο δίνοντας συγκεκριμένα μια λίστα με αυτούς τους διαγωνισμούς.

Η λίστα περιέχει συνολικά 16 ερωτήσεις διαγωνισμού, καθεμία από τις οποίες έχει ελεγχθεί και έχει το "Εκτεταμένη επιστημονική ερευνητική αξία」。

Αυτές οι ερωτήσεις διαγωνισμού συλλέγονται επίσημα από τη NeurIPS. Κρίνοντας από την εμπειρία των προηγούμενων ετών, οι περισσότερες από τις ερωτήσεις του διαγωνισμού που μπορούν τελικά να επιλεγούν προέρχονται από πανεπιστήμια, ερευνητικά ιδρύματα ή ξένες εταιρείες τεχνολογίας όπως Google, OpenAI, Meta κ.λπ. Οι ερωτήσεις του διαγωνισμού που υποβλήθηκαν από την εγχώρια βιομηχανία έχουν πολύ χαμηλό πιθανότητα να επιλεγεί. Φέτος, λόγω της δημοτικότητας της μεγάλης πίστας μοντέλων, ο ανταγωνισμός στον ανταγωνισμό είναι ακόμη πιο έντονος.

Αλλά αυτό που προκαλεί έκπληξη είναι ότι σε ένα τόσο έντονο ανταγωνιστικό περιβάλλον, υπάρχουν ακόμα άνθρωποι στην εγχώρια βιομηχανία που ξεχωρίζουν».Αυτόματη υποβολή προσφορών σε δημοπρασίες μεγάλης κλίμακας: Μάθηση λήψης αποφάσεων σε αβέβαια και ανταγωνιστικά παιχνίδια(Αυτοματοποιημένη υποβολή προσφορών σε δημοπρασίες μεγάλης κλίμακας: Εκμάθηση αποφάσεων σε αβέβαια και ανταγωνιστικά παιχνίδια)» είναι το θέμα του διαγωνισμού που υπέβαλαν.

Επίσημος ιστότοπος του διαγωνισμού: https://tianchi.aliyun.com/specials/promotion/neurips2024_alimama#/

Αυτή η ερώτηση διαγωνισμού δημιουργήθηκε από την ομάδα συνεργασίας για τη λήψη αποφάσεων στο Κοινό Εργαστήριο Καινοτομίας Τεχνητής Νοημοσύνης του Πεκίνου (PAAI), η ομάδα τεχνολογίας νοημοσύνης λήψης αποφάσεων Alimama υπέβαλε από κοινού την υποβολή με τις ερευνητικές ομάδες Ο καθηγητής Deng Xiaotie και ο καθηγητής Lu Zongqing του Πανεπιστημίου του Πεκίνου. Μετά την επιλογή του τίτλου του διαγωνισμού, η Alimama κέρδισε το δικαίωμα να φιλοξενήσει τον διαγωνισμό, και έγινε ο μοναδικός οργανισμός στην εγχώρια βιομηχανία που κέρδισε φέτος το δικαίωμα να φιλοξενήσει τον διαγωνισμό NeurIPS.

Το θέμα του διαγωνισμού περιστρέφεται γύρω από το πρόβλημα της «αυτόματης υποβολής προσφορών σε δημοπρασίες μεγάλης κλίμακας». Αυτό το πρόβλημα σχετίζεται στενά με τη διεπαφή στην οποία ανοίγουμε εφαρμογές αγορών καθημερινά για αναζήτηση και περιήγηση προϊόντων. Υπάρχει τεράστια έρευνα και εμπορική αξία πίσω από αυτό.Οι ειδικοί κριτές του NeurIPS αξιολόγησαν την ερώτηση του διαγωνισμού ως "Πρακτικά σημαντικό, καλά οργανωμένο και καλά δοκιμασμένο (Πρακτικά σημαντικό, καλά οργανωμένο και καλά δοκιμασμένο)"。

Λοιπόν, ποιο είναι το πρόβλημα με την «αυτοματοποιημένη υποβολή προσφορών σε δημοπρασίες μεγάλης κλίμακας»; Γιατί προτάθηκε από το Κοινό Εργαστήριο Καινοτομίας του Πανεπιστημίου του Πεκίνου-Alimama Artificial Intelligence και έλαβε τόσο μεγάλο έπαινο; Τι ακριβώς κάνουν οι διαγωνιζόμενοι; Το The Heart of the Machine θα αποσυναρμολογηθεί ένα προς ένα σε αυτό το άρθρο.

Τι είναι η «αυτόματη υποβολή προσφορών σε δημοπρασίες μεγάλης κλίμακας»;

Για να κατανοήσουμε τι είναι η «αυτόματη υποβολή προσφορών σε δημοπρασίες μεγάλης κλίμακας», ας θυμηθούμε πρώτα την εμπειρία του ανοίγματος του Taobao και της έναρξης των αγορών.

Κάθε φορά που εισάγετε μια λέξη-κλειδί, το σύστημα θα εμφανίσει μια σελίδα προϊόντος. Στην πραγματικότητα, αυτή η σελίδα είναι πολύ συγκεκριμένη: ποια προϊόντα θα εμφανιστούν και ποια προϊόντα κατατάσσονται πρώτα είναι τα αποτελέσματα των ακριβών υπολογισμών από το σύστημα.

Η λογική λειτουργίας της όλης διαδικασίας είναι η εξής: Πρώτον, η πλατφόρμα θα δημιουργήσει ένα προφίλ χρήστη αναλύοντας τα ενδιαφέροντα και τα πρότυπα συμπεριφοράς του χρήστη. Όταν οι χρήστες αναζητούν ή περιηγούνται σε προϊόντα στο Taobao, η πλατφόρμα θα ξεκινήσει αμέσως τη διαδικασία δημοπρασίας διαφήμισης στο παρασκήνιο. Οι διαφημιστές συμμετέχουν σε αυτή τη δημοπρασία μέσω του μηχανισμού υποβολής προσφορών, ελπίζοντας να έχουν την ευκαιρία να προβάλουν τις διαφημίσεις τους. Το σύστημα αυτόματης υποβολής προσφορών διαδραματίζει βασικό ρόλο σε αυτή τη διαδικασία Λαμβάνει υπόψη το προφίλ του χρήστη, τα δεδομένα συμπεριφοράς, τους στόχους προώθησης του διαφημιζόμενου, τους περιορισμούς προϋπολογισμού και διάφορους παράγοντες στο περιβάλλον δημοπρασίας για τον υπολογισμό της βέλτιστης στρατηγικής υποβολής προσφορών. Με βάση αυτά τα δεδομένα και τα αποτελέσματα υπολογισμού, η πλατφόρμα θα επιλέξει τη διαφήμιση με την υψηλότερη προσφορά και τις πιο σχετικές ανάγκες των χρηστών. Αυτά τα αποτελέσματα διαφημίσεων εμφανίζονται στους χρήστες μαζί με οργανικά αποτελέσματα. Η όλη διαδικασία είναι πλήρως αυτοματοποιημένη και μπορεί να ολοκληρωθεί σε πολύ σύντομο χρονικό διάστημα.

Από αυτή τη διαδικασία φαίνεται ότιΜέσω του αυτοματοποιημένου συστήματος υποβολής προσφορών, οι διαφημιστές μπορούν να απλοποιήσουν σημαντικά τη διαδικασία διαφήμισης και να χρησιμοποιήσουν την τεχνολογία τεχνητής νοημοσύνης για την επίτευξη ακριβούς μάρκετινγκ, εξοικονομώντας έτσι χρόνο και ενέργεια.

Το 2023, η παγκόσμια αγορά διαδικτυακής διαφήμισης θα φτάσει τα 626,8 δισεκατομμύρια δολάρια ΗΠΑ. Η τεχνολογία αυτόματης υποβολής προσφορών είναι κρίσιμης σημασίας για τη συνεχή ανάπτυξή της. Παρόμοια ερευνητικά ερωτήματα περιλαμβάνουν στρατηγικές διαφήμισης και άλλους σχεδιασμούς μηχανισμών, που όλα ανήκουν στο ερευνητικό πεδίο της νοημοσύνης λήψης αποφάσεων. Η έρευνα που σχετίζεται με την ευφυΐα λήψης αποφάσεων μπορεί να φέρει νέες μεθόδους λειτουργίας στις επιχειρήσεις και να μειώσει την εξάρτησή τους από ανθρώπους στους μηχανισμούς λήψης αποφάσεων, αυξάνοντας έτσι σημαντικά τον ρυθμό αύξησης των εσόδων της εταιρείας και αυξάνοντας τον χώρο ανάπτυξής της.

Ωστόσο, δεν είναι εύκολο να γίνει η «αυτόματη προσφορά» στην ερώτηση του διαγωνισμού. Επειδή το σύστημα αυτοματοποιημένης υποβολής προσφορών πρέπει να αντιμετωπίσει μια τεράστια και πολύπλοκη πλημμύρα δεδομένων, που καλύπτει δεδομένα συμπεριφοράς χρηστών, δεδομένα διαφήμισης, δεδομένα προσφορών και άλλες πολυδιάστατες πληροφορίες, και αυτά τα δεδομένα θα ενημερώνονται σε πραγματικό χρόνο. Επιπλέον, το σύστημα χρειάζεται επίσης να λαμβάνει αποφάσεις σε ένα περιβάλλον παιχνιδιού γεμάτο αβεβαιότητα και δεν μπορεί να λάβει πλήρεις πληροφορίες για όλους τους παράγοντες που επηρεάζουν. Ως εκ τούτου, το σύστημα μπορεί να βασιστεί μόνο σε επί του παρόντος διαθέσιμα δεδομένα και στη συσσωρευμένη ιστορική εμπειρία για να κάνει προβλέψεις και αποφάσεις μέσω ευφυών αλγορίθμων, προσπαθώντας να κάνει βέλτιστες επιλογές προσφοράς σε ένα ταχέως μεταβαλλόμενο περιβάλλον αγοράς.

Διαδρομή βελτιστοποίησης "Αυτόματη υποβολή προσφορών".

Από την ενισχυτική μάθηση στη γενετική τεχνητή νοημοσύνη

Συνολικά, η προσέγγιση του κλάδου στην υποβολή προσφορών έχει περάσει από τέσσερις γενιές εξέλιξης. Η Alimama έχει επίσης διεξαγάγει πολλά χρόνια έρευνας για τη βελτιστοποίηση των αυτοματοποιημένων στρατηγικών υποβολής προσφορών.

• Πρώτη γενιά: κλασική κατηγορία ελέγχου. Το πρόβλημα βελτιστοποίησης της μεγιστοποίησης του αποτελέσματος μετατρέπεται έμμεσα στο πρόβλημα ελέγχου της κατανάλωσης προϋπολογισμού. Υπολογίστε την καμπύλη κατανάλωσης με βάση τα επιχειρηματικά δεδομένα και ελέγξτε τον προϋπολογισμό που θα καταναλωθεί σύμφωνα με την καθορισμένη καμπύλη όσο το δυνατόν περισσότερο. Το PID και οι σχετικές βελτιώσεις είναι αλγόριθμοι ελέγχου που χρησιμοποιούνται συνήθως σε αυτό το στάδιο. Όταν η κατανομή αξίας της επισκεψιμότητας των προσφορών είναι σταθερή, αυτός ο τύπος αλγορίθμου μπορεί βασικά να ικανοποιήσει το αποτέλεσμα βελτιστοποίησης στην αρχή της έναρξης της επιχείρησης.
• Δεύτερη γενιά: τάξη προγραμματισμού και επίλυσης. Σε σύγκριση με την πρώτη γενιά, ο αλγόριθμος προγραμματισμού και επίλυσης (LP) είναι άμεσα προσανατολισμένος στην επίλυση του προβλήματος της μεγιστοποίησης στόχων. Το τρέχον σύνολο μελλοντικής επισκεψιμότητας μπορεί να προβλεφθεί με βάση την κίνηση προσφορών της προηγούμενης ημέρας για την επίλυση των παραμέτρων προσφοράς. Το πρόβλημα αυτόματης υποβολής προσφορών γίνεται νέο υποπρόβλημα με βάση τα δεδομένα που παραδίδονται αυτήν τη στιγμή, επομένως μπορεί να λυθεί με αυτήν τη μέθοδο πολλές φορές, δηλαδή με Online LP. Αυτός ο τύπος μεθόδου βασίζεται σε ακριβείς προβλέψεις της μελλοντικής επισκεψιμότητας, επομένως κατά την εφαρμογή του πραγματικού σεναρίου, χρειάζεται να γίνει περισσότερη δουλειά για την πρόβλεψη της ποιότητας και της ποσότητας της μελλοντικής επισκεψιμότητας.
• Τρίτη γενιά: ενισχυτική μάθηση. Στο πραγματικό περιβάλλον, το περιβάλλον υποβολής προσφορών στο διαδίκτυο είναι πολύ περίπλοκο και δυναμικά μεταβαλλόμενο, και η μελλοντική συλλογή επισκεψιμότητας είναι δύσκολο να προβλεφθεί με ακρίβεια Μόνο με το συντονισμό ολόκληρου του κύκλου προϋπολογισμού μπορεί να μεγιστοποιηθεί το αποτέλεσμα. Ως τυπικό πρόβλημα λήψης αποφάσεων ακολουθίας, το τρίτο στάδιο χρησιμοποιεί μεθόδους ενισχυτικής εκμάθησης για τη βελτιστοποίηση της στρατηγικής αυτόματης υποβολής προσφορών. Η επαναληπτική του διαδικασία έχει εξελιχθεί από την πρώιμη εφαρμογή κλασικών μεθόδων ενισχυτικής μάθησης, στην περαιτέρω προσέγγιση της «διανομής δεδομένων στο διαδικτυακό πραγματικό περιβάλλον» με βάση τη μέθοδο Offline RL, στο τελικό στάδιο προσέγγισης της ουσίας του προβλήματος και εφαρμογής διαδραστικής μάθησης με το πραγματικό περιβάλλον υποβολής προσφορών που βασίζεται στη μέθοδο Online RL.
• Τέταρτη γενιά: Δημιουργία κατηγοριών μοντέλων. Δημιουργικά μεγάλα μοντέλα που αντιπροσωπεύονται από το ChatGPT έρχονται με μεγάλη δυναμική και έχουν δείξει εκπληκτικά αποτελέσματα σε πολλούς τομείς. Νέες τεχνικές έννοιες και τεχνικά παραδείγματα ενδέχεται να φέρουν επαναστατικές αναβαθμίσεις στους αλγόριθμους αυτόματης υποβολής προσφορών. Η τεχνική ομάδα της Alimama προχώρησε σε ρυθμίσεις εκ των προτέρων, αναμόρφωσε το τεχνικό σύστημα διαφημιστικού ευφυούς μάρκετινγκ με το μεγάλο ευφυές μοντέλο λήψης αποφάσεων μάρκετινγκ AIGA (AI Generated Action) ως πυρήνα και εξήγαγε στρατηγικές αυτόματης υποβολής προσφορών που αντιπροσωπεύει η AIGB (AI Generated Bidding).

Όταν η τελευταία έρευνα στον κλάδο βρίσκεται στην τρίτη γενιά της (2022),Ιδρύθηκε το Κοινό Εργαστήριο Καινοτομίας του Πανεπιστημίου του Πεκίνου-Alimama Artificial Intelligence Innovation (PAAI). .Αυτό το εργαστήριο συγκεντρώνει πολλά μεγάλα ονόματα της βιομηχανίας και του ακαδημαϊκού χώρου: Κοσμήτορας της Σχολής Νοημοσύνης στο Πανεπιστήμιο του ΠεκίνουΖου ΣονγκτσούνΟ καθηγητής ηγείται της ακαδημαϊκής καθοδήγησης, καθηγητής έδρας στο Πανεπιστήμιο του ΠεκίνουDeng Xiaotie, Αναπληρωτής Καθηγητής, Σχολή Νοημοσύνης, Πανεπιστήμιο ΠεκίνουΤο τραγούδι Guojieκαι ο τεχνικός διευθυντής της AlimamaΖενγκ Μπο Είναι όλοι βασικά μέλη του εργαστηρίου. Αρκετοί ειδικοί οδηγούν το εργαστήριο να συνεχίσει να μελετά ζητήματα ευφυΐας λήψης αποφάσεων, όπως η αυτόματη υποβολή προσφορών με βάση τα υπάρχοντα αποτελέσματα.

Κατά τη διάρκεια της ερευνητικής διαδικασίας, διαπίστωσαν ότι η αρχική μέθοδος ενισχυτικής μάθησης είχε ορισμένους περιορισμούς, όπως το πρόβλημα της υπερβολικής συσσώρευσης εκπαιδευτικών σφαλμάτων σε σενάρια λήψης αποφάσεων μεγάλης αλληλουχίας, όπως η αυτόματη υποβολή προσφορών. Ταυτόχρονα, το ChatGPT επαληθεύει τις ισχυρές δυνατότητες της γενετικής τεχνητής νοημοσύνης σε πολλαπλά πεδία. Έτσι, η ομάδα άρχισε να σκέφτεται τι θα μπορούσαν να προσφέρουν τα παραγωγικά μοντέλα στις στρατηγικές αυτόματης υποβολής προσφορών. τελικά,Πρότειναν ένα σχέδιο βελτιστοποίησης στρατηγικής υποβολής προσφορών που βασίζεται στην κατασκευή του παραγωγικού μοντέλου-AIGB (AI Generative Bidding)。

Συγκεκριμένα, η AIGB αντιμετωπίζει σχετικούς δείκτες όπως προσφορές, στόχους βελτιστοποίησης και περιορισμούς ως κοινή κατανομή πιθανοτήτων, μετατρέποντας έτσι το πρόβλημα προσφοράς σε πρόβλημα παραγωγής υπό όρους διανομής. Διαφορετικά από την άποψη της ενισχυτικής μάθησης, συσχετίζει άμεσα την τροχιά απόφασης και τις πληροφορίες ανταμοιβής (όπως φαίνεται στο παρακάτω σχήμα), που μπορεί να αποφύγει τη συσσώρευση σφαλμάτων εκπαίδευσης και είναι πιο κατάλληλο για σενάρια λήψης αποφάσεων μεγάλης ακολουθίας. Αυτή είναι η πρώτη προσπάθεια του κοινού εργαστηρίου να εφαρμόσει παραγωγικά μεγάλα μοντέλα στον τομέα της έξυπνης υποβολής προσφορών.Σχετικές εργασίες έγιναν δεκτές από το κορυφαίο διεθνές συνέδριο KDD 2024。

Φυσικά, τα προβλήματα νοημοσύνης λήψης αποφάσεων, όπως η "αυτοματοποιημένη υποβολή προσφορών σε δημοπρασίες μεγάλης κλίμακας" απέχει πολύ από το να λυθούν και η εφαρμογή της γενετικής τεχνητής νοημοσύνης σε αυτά τα προβλήματα μόλις εισήλθε στο δοκιμαστικό στάδιο. Ως εκ τούτου, το κοινό εργαστήριο υπέβαλε σχετικές ερωτήσεις διαγωνισμού στο NeurIPS, ελπίζοντας να αξιοποιήσει την πολυετή συσσώρευση έρευνας και να συγκεντρώσει τη δύναμη της κοινότητας να προωθήσει από κοινού σε βάθος έρευνα και λύσεις σε αυτά τα προβλήματα.

Εκτός από την εμπορική αξία, αυτά τα προβλήματα έχουν και μεγάλη ερευνητική αξία. Επειδή η ευφυΐα αποφάσεων ενσωματώνει κλάδους όπως η τεχνητή νοημοσύνη, η επιστήμη δεδομένων και η θεωρία παιγνίων, παρέχει ένα συστηματικό πλαίσιο για την επίλυση πολύπλοκων προβλημάτων. Αυτό προάγει τη διεπιστημονική ολοκλήρωση και οδηγεί στην καινοτομία και τη συνεργασία σε τομείς όπως η επιστήμη των υπολογιστών, η στατιστική και η οικονομία.

Η AIGB και η General Motors είναι δύο μεγάλες πίστες

Οι εγγραφές είναι ανοιχτές

Το θέμα του διαγωνισμού "Αυτόματη υποβολή προσφορών σε δημοπρασίες μεγάλης κλίμακας" χωρίζεται σε δύο κομμάτια, και συγκεκριμένα:

• Κομμάτι AIGB: Χρήση μοντέλων δημιουργίας για την εκμάθηση των αυτόματων αντιπροσώπων υποβολής προσφορών
• Universal Track: Αυτοματοποιημένη υποβολή προσφορών με αβεβαιότητα

Στο κομμάτι AIGB, οι διαγωνιζόμενοι πρέπει να σκεφτούν πώς να λάβουν ακριβείς αποφάσεις υποβολής προσφορών για μεγάλες σεκάνς. Όπως αναφέρθηκε προηγουμένως, όταν αντιμετωπίζουμε αυτό το πρόβλημα, οι παραδοσιακές μέθοδοι μάθησης ενίσχυσης θα περιορίζονται από παράγοντες όπως η συσσώρευση σφαλμάτων, και η απόδοσή τους είναι περιορισμένη, ωστόσο, τα γενικευμένα μοντέλα παραγωγής έχουν δείξει μεγάλες δυνατότητες σε αυτό το έργο. Επομένως, αυτό το κομμάτι απαιτεί από τους διαγωνιζόμενους να υιοθετήσουν ένα ευρύ φάσμα μοντέλων παραγωγής, όπως μοντέλα διάχυσης, μετασχηματιστές κ.λπ., για να αντιμετωπίσουν αυτήν την πρόκληση. Εάν διαθέτετε ερευνητικό ή βιομηχανικό υπόβαθρο σε μοντέλα διάχυσης, μετασχηματιστές, μοντέλα θεμελίωσης, μοντέλα μεγάλων γλωσσών (LLM) και άλλες μεθόδους παραγωγής, μπορείτε να σκεφτείτε να εγγραφείτε σε αυτό το κομμάτι.

Στο γενικό κομμάτι, οι διαγωνιζόμενοι καλούνται να λάβουν αποτελεσματικές αποφάσεις υποβολής προσφορών σε δημοπρασίες μεγάλης κλίμακας, κάτι που απαιτεί αποτελεσματική αίσθηση των αλλαγών στις στρατηγικές των ανταγωνιστών. Το πολύπλοκο περιβάλλον δημοπρασιών διαφήμισης του πραγματικού κόσμου φέρνει πρόσθετες προκλήσεις, συγκεκριμένα την αβεβαιότητα. Οι συμμετέχοντες πρέπει να λάβουν υπόψη την τυχαιότητα των αφίξεων καταναλωτών, τη διακύμανση στις προβλέψεις συμπεριφοράς μετατροπών, τη σπανιότητα των δεδομένων και άλλους παράγοντες. Εάν διαθέτετε ερευνητικό ή βιομηχανικό υπόβαθρο στην ενισχυτική μάθηση, τη βελτιστοποίηση, τη μηχανική μάθηση, τη θεωρία παιχνιδιών και την επιστήμη δεδομένων, μπορείτε να σκεφτείτε να εγγραφείτε σε αυτό το κομμάτι.

Η συμμετοχή σε αυτόν τον διαγωνισμό θα φέρει πολλές ανταμοιβές. Το NeurIPS έχει πολύ μεγάλη διεθνή επιρροή και η επίτευξη εξαιρετικών αποτελεσμάτων σε διαγωνισμούς είναι αναμφίβολα ένα θετικό σημείο για το βιογραφικό σας και θα είναι πολύ χρήσιμο για τη μελλοντική εξέλιξη της σταδιοδρομίας σας. Επιπλέον, ο νικητής θα έχει επίσης την ευκαιρία να κερδίσει ένα βραβείο διαγωνισμού 6.000 $ ΗΠΑ, καθώς και ευκαιρίες πρακτικής άσκησης στο Alibaba, ένα πράσινο κανάλι για την πρόσληψη στην πανεπιστημιούπολη και το καθεστώς επισκέπτη υποτρόφου.

Αυτός ο διαγωνισμός θα καταστήσει επίσης διαθέσιμα για πρώτη φορά περίπου 500 εκατομμύρια τεμάχια τυχερών παιχνιδιών και το αντίστοιχο πλαίσιο εκπαίδευσης Τέτοια δεδομένα παιχνιδιών μεγάλης κλίμακας είναι πολύ σπάνια στον κλάδο. Αυτή είναι μια καλή πρακτική και ερευνητική ευκαιρία για ερευνητές και επαγγελματίες στους τομείς της ευφυΐας αποφάσεων, της ενισχυτικής μάθησης, των παιχνιδιών και των μοντέλων παραγωγής.

Το πρόγραμμα και τα βραβεία έχουν ως εξής:

• Εγγραφή κομματιού AIGB: https://tianchi.aliyun.com/competition/entrance/532236
• Γενική εγγραφή κομματιού: https://tianchi.aliyun.com/competition/entrance/532226

Επίσημος ιστότοπος του διαγωνισμού: https://tianchi.aliyun.com/specials/promotion/neurips2024_alimama#/