CPAL pertama telah berjaya diadakan di Universiti Hong Kong pada Januari 2024. Persidangan itu menarik ratusan peserta dari seluruh dunia dan mengandungi empat hari aktiviti dengan agenda yang berwarna-warni. Persidangan yang julung kali diadakan itu menjemput sembilan penceramah jemputan, 16 pemenang Anugerah Bintang Bangkit, dan hampir seratus kertas kerja (dwi lagu) yang diterima untuk pembentangan lisan atau poster.
CPAL 2025
CPAL kedua akan diadakan di Universiti Stanford pada akhir Mac 2025, dihoskan oleh Pusat Pengajian Sains Data Universiti Stanford.
Visi persidangan:
"Semuanya harus dibuat semudah mungkin, tetapi bukan yang lebih mudah." – Albert Einstein
Salah satu sebab paling asas untuk kewujudan kecerdasan atau sains, malah kemunculannya. , ialah dunia tidak sempurna Rawak, tetapi sangat berstruktur dan boleh diramal. Oleh itu, tujuan dan fungsi asas kecerdasan atau sains adalah untuk mempelajari model (atau undang-undang) yang parsimoni daripada sejumlah besar data dunia yang dirasakan untuk memahami struktur yang boleh diramal ini.
Sepanjang dekad yang lalu, kemunculan pembelajaran mesin dan pengkomputeran berskala besar telah mengubah secara mendadak cara kami memproses, mentafsir dan meramal data dalam kejuruteraan dan sains. Pendekatan "tradisional" untuk mereka bentuk algoritma berdasarkan model parametrik isyarat dan struktur pengukuran tertentu (seperti model jarang dan berpangkat rendah), dan kit alat pengoptimuman yang berkaitan, kini telah diperkaya dengan teknik pembelajaran dipacu data, antaranya Large Rangkaian berskala dipralatih dan kemudian disesuaikan dengan pelbagai tugas khusus. Walau bagaimanapun, kejayaan paradigma, sama ada berasaskan data moden atau berasaskan model klasik, secara kritikal bergantung pada mengenal pasti dengan betul struktur dimensi rendah yang terdapat dalam data sebenar, dan kami mempertimbangkan peranan pembelajaran dan algoritma pemprosesan data mampatan, sama ada eksplisit atau tersirat. , seperti rangkaian dalam) tidak dapat dipisahkan.
Baru-baru ini, kemunculan model asas telah menyebabkan sesetengah pihak mencadangkan bahawa parsimoni dan pemampatan itu sendiri adalah bahagian asas matlamat pembelajaran sistem pintar, yang menghubungkan dengan pandangan neurosains tentang pemampatan sebagai prinsip panduan dalam perwakilan otak data persepsi dalam dunia. Secara keseluruhan, bidang penyelidikan ini setakat ini telah berkembang secara relatifnya, walaupun asas dan tujuannya terletak pada kesederhanaan dan pembelajaran. Matlamat kami menganjurkan persidangan ini adalah untuk menyatukan penyelesaian dan memperdalam lagi penyelidikan mengenai masalah ini: kami mahu persidangan ini menjadi forum saintifik universal untuk pembelajaran mesin, matematik gunaan, pemprosesan isyarat, pengoptimuman, sistem pintar dan semua bidang sains yang berkaitan dan kejuruteraan Penyelidik boleh berkomunikasi rapat di sini, berkongsi pandangan, dan akhirnya bergerak ke arah rangka kerja teori dan pengiraan moden untuk memahami kecerdasan dan sains dari perspektif pembelajaran ringkas.
Tarikh penting:
Persidangan CPAL merangkumi dua trek: Trek Prosiding dan Trek Spotlight Terkini untuk butiran, sila rujuk laman web rasmi: https://cpal.cc/ tracks/ 評審機制中的重要創新：每篇論文都有一個 Program Chair 負責引導。對於每篇被接受的論文，其負責的 Area Chair 和 Program Chair 的姓名將公開發佈在其 OpenReview 頁面上，以確保責任。對於每篇被拒絕的論文（不包括撤稿），只會顯示其負責的 Program Chair 的姓名。審稿者將獲得評級並動態選擇。 CPAL 歡迎以下興趣領域相關的投稿，包括但不限於： CPAL 2025 會議團隊 大會主席(General Chairs): Mert Pilanci (史丹佛大學) 地主席(Local Chairs): Sara Fridovich-Keil（史丹佛大學/喬治亞理工學院） （H）。俄亥俄州立大學） Utku EvvSvvSvvSvSvSvSvSvSvSvSvSvSvSvsSvSvSvSvsSvSvsSvSvSvSvSvSvSvSvSvSvSvSvSvSvSSvSvSSvSSvSSvSSvSSvSSvSSvSSvSSvSSvSSvSSvSSvSSvSSSSvSSvSSSSvSSSSvSSvSSSSvSSvSSvSSvS靈商）（ 專題討論主席（Panel Chairs） 學術新星獎主席（？密西根大學） Sam Buchanan（芝加哥大學豐田技術研究所）
陳貝迪(卡耐基美隆大學)
。大學戴維斯分校)
產業聯絡主席（Industry Liaison Chairs）
William T. Redman（加州大學聖塔芭芭拉分校）網站主席（Web Chairs）
以上是第二屆「簡約與學習會議 (CPAL)」將在史丹佛大學舉辦，徵稿進行中的詳細內容。更多資訊請關注PHP中文網其他相關文章！
