新智元启动 2017 最新一轮大招聘：。

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。加盟新智元，与人工智能业界领袖携手改变世界。

简历投递：j[email protected] HR 微信：13552313024

　　【新智元导读】备受瞩目的深度学习&机器学习顶会 ICLR 2017 本周召开。新智元此前全面报道了 ICLR 的最佳论文及议程：。这次我们将介绍谷歌和 Facebook 两家顶级实验室在 ICLR 的表现。

　　本周 24 日到 26 日，素有深度学习届顶会“无冕之王”之称的第五届国际学习表征会议（ICLR 2017）在法国土伦举行。

　　ICLR 关注如何学习对于机器学习重要有用的数据，虽然今年只是第 5 届，却已经是业内顶尖的机器学习会议。ICLR 汇集了顶级的人工智能和机器学习专家，讨论如何最有效地学习对视觉、语音、音频和自然语言处理等应用领域有意义和有用的数据表征。

　　本届 ICLR 一共收到了大约 500 篇论文。与上届的最大不同在于，本届 ICLR 论文评审采用了 OpenReview 机制，也即全部公开透明，评论者可以匿名。在 ICLR 官网，不仅将被接收的论文列了出来（按口头汇报、海报展示和研讨会讨论 3 种），被拒绝的论文也全部公布。具体的评审、讨论，以及作者回复全都可以在 OpenReview 上查看：https://openreview.net/group?id=ICLR.cc/2017/conference

　　这样做的目标是提高整体审核流程的质量。组委会介绍，通过使用 OpenReview，作者可以随时更新他们的论文回复评论。此外，社区中的任何人都可以对提交内容进行评论，审核人员可以利用公众讨论来提高他们对论文的理解和评价。

　　ICLR 创始人 Yoshua Bengio 和 Yann LeCun 担任 General Chair。Facebook 的 Marc' Aurelio Ranzato 是 Senior Program Chair。谷歌 Tara Sainath、Google DeepMind Oriol Vinyals，以及 Google Brain 蒙特利尔分部负责人 Hugo Larochelle 担任 Program Chair。

　　最佳论文是由组委会决定——当然，。不过，即使被拒绝的论文，如果想法创新，也会受邀在研讨会 Track 做讨论。

　　ICLR 会场盛况。图片来源：Twitter 用户 Abtin Setyani

　　谷歌在本届 ICLR：50 多人参会，2 篇最佳论文，白金赞助商

　　一如既往，Google Research 官方博客介绍了 Google 团队在 ICLR 的活动，而作者正是刚刚从 OpenAI 回到 Google Brain 的 Ian Goodfellow。据悉，Google 在本届 ICLR 参加的活动包括会议和研讨会，j2直播，有特邀的讲者发言，还有关于深度学习、指标学习（metric learning）、核学习（kernel learning）、组合模型（compositional model）、非线性结构预测（non-linear structured prediction）和非凸优化问题优化（non-convex optimization）的一些最新研究的口头报告和海报展示。

　　Ian Goodfellow 介绍，在神经网络和深度学习领域尖端技术创新的前沿，Google 专注于理论和应用，开发学习方法理解并推广上述技术。作为 ICLR 2017 的白金赞助商，今年 Google 有超过 50 名研究人员（许多来自 Google Brain 团队和 Google Research 欧洲团队）出席，提交了多篇论文并被接收，包括口头汇报（三篇最佳论文中的两篇）和海报展示。

　　Google 也组织并参与了多个研讨会。其中，George Dahl, Slav Petrov, Vikas Sindhwani 担任区域主席（Area Chair）；Hugo Larochelle 和 Tara Sainath 是担任了程序主席（Program Chair）。

　　以下就是 Google 在这次 ICLR 上的论文，* 表示作者在 Google 工作/实习期间参与完成? 表示作者在 OpenAI 时完成：

Contrbuted Talks

　　【最佳论文】理解深度学习需要重新思考泛化

　　Understanding Deep Learning Requires Rethinking Generalization

　　Chiyuan Zhang*, Samy Bengio, Moritz Hardt, Benjamin Recht*, Oriol Vinyals

　　最佳论文《理解深度学习需要重新思考泛化》的一作 Chiyuan Zhang 演讲，这篇论文是他在 Google 实习时完成的工作。Chiyuan Zhang 用这张PPT 展示了他眼中的一些视觉卷积神经网络。图片来源：Twitter 用户 Edward Grefenstette

　　Zhang 的PPT 都十分生动形象，赢得了现场很多好评。图片来源：Twitter 用户 Douglas Gray

　　【最佳论文】使用私密训练数据的半监督知识迁移深度学习

　　Semi-Supervised Knowledge Transfer for Deep Learning from Private Training Data

　　Nicolas Papernot*, Martín Abadi, Úlfar Erlingsson, Ian Goodfellow, Kunal Talwar

　　Ian Goodfellow 和他的合著者在现场免费发放他们获最佳论文的 FATE-G（Semi-supervised Knowledge Transfer for Deep Learning from Private Training Data）T 恤

　　Q-Prop: Sample-Efficient Policy Gradient with An Off-Policy Critic

　　Shixiang (Shane) Gu*, Timothy Lillicrap, Zoubin Ghahramani, Richard E.Turner, Sergey Levine

　　Neural Architecture Search with Reinforcement Learning

　　Barret Zoph, Quoc Le

海报展示

　　Adversarial Machine Learning at Scale

　　Alexey Kurakin, Ian J. Goodfellow?, Samy Bengio

　　Capacity and Trainability in Recurrent Neural Networks

　　Jasmine Collins, Jascha Sohl-Dickstein, David Sussillo

　　Improving Policy Gradient by Exploring Under-Appreciated Rewards

　　Ofir Nachum, Mohammad Norouzi, Dale Schuurmans

　　Noam Shazeer, Azalia Mirhoseini, Krzysztof Maziarz, Andy Davis, Quoc Le, Geoffrey Hinton, Jeff Dean

　　Unrolled Generative Adversarial Networks

　　Luke Metz, Ben Poole*, David Pfau, Jascha Sohl-Dickstein

　　Categorical Reparameterization with Gumbel-Softmax

　　Eric Jang, Shixiang (Shane) Gu*, Ben Poole*

　　Decomposing Motion and Content for Natural Video Sequence Prediction

　　Ruben Villegas, Jimei Yang, Seunghoon Hong, Xunyu Lin, Honglak Lee

　　Density Estimation Using Real NVP

　　Laurent Dinh*, Jascha Sohl-Dickstein, Samy Bengio

　　Latent Sequence Decompositions

　　William Chan*, Yu Zhang*, Quoc Le, Navdeep Jaitly*

　　Learning a Natural Language Interface with Neural Programmer

　　Arvind Neelakantan*, Quoc V. Le, Martín Abadi, Andrew McCallum*, Dario

　　Amodei*

　　Deep Information Propagation

　　Samuel Schoenholz, Justin Gilmer, Surya Ganguli, Jascha Sohl-Dickstein

　　Identity Matters in Deep Learning

　　Moritz Hardt, Tengyu Ma

　　A Learned Representation For Artistic Style

　　Vincent Dumoulin*, Jonathon Shlens, Manjunath Kudlur

　　Adversarial Training Methods for Semi-Supervised Text Classification

　　Takeru Miyato, Andrew M. Dai, Ian Goodfellow?

　　HyperNetworks

　　David Ha, Andrew Dai, Quoc V. Le

　　Learning to Remember Rare Events

　　Lukasz Kaiser, Ofir Nachum, Aurko Roy*, Samy Bengio

研讨会论文

　　Particle Value Functions

　　Chris J. Maddison, Dieterich Lawson, George Tucker, Nicolas Heess, Arnaud Doucet, Andriy Mnih, Yee Whye Teh

　　Neural Combinatorial Optimization with Reinforcement Learning

　　Irwan Bello, Hieu Pham, Quoc V. Le, Mohammad Norouzi, Samy Bengio

　　Short and Deep: Sketching and Neural Networks

　　Amit Daniely, Nevena Lazic, Yoram Singer, Kunal Talwar

　　Explaining the Learning Dynamics of Direct Feedback Alignment

　　Justin Gilmer, Colin Raffel, Samuel S. Schoenholz, Maithra Raghu, Jascha Sohl-Dickstein

　　Training a Subsampling Mechanism in Expectation

　　Colin Raffel, Dieterich Lawson

　　Tuning Recurrent Neural Networks with Reinforcement Learning

　　Natasha Jaques*, Shixiang (Shane) Gu*, Richard E. Turner, Douglas Eck

　　REBAR: Low-Variance, Unbiased Gradient Estimates for Discrete Latent Variable Models

　　George Tucker, Andriy Mnih, Chris J. Maddison, Jascha Sohl-Dickstein

　　Adversarial Examples in the Physical World

　　Alexey Kurakin, Ian Goodfellow?, Samy Bengio

　　Regularizing Neural Networks by Penalizing Confident Output Distributions

　　Gabriel Pereyra, George Tucker, Jan Chorowski, Lukasz Kaiser, Geoffrey Hinton

　　Unsupervised Perceptual Rewards for Imitation Learning

　　Pierre Sermanet, Kelvin Xu, Sergey Levine

　　Changing Model Behavior at Test-time Using Reinforcement Learning

　　Augustus Odena, Dieterich Lawson, Christopher Olah

　　Facebook 在本届 ICLR：18 篇论文，海报展示和研讨会

　　Facebook Research 官方博客也将他们在 ICLR 上的成果展现了出来。