我们提出了一种新的视觉推理语言数据集，包含对合成图像进行自然描述（3962 条语句）的 92244 对样本。我们还介绍了一种众包（crowdsourcing）语言学多样性数据的方法，并演示了对我们数据的分析。我们的数据证明，大多语言学现象都需要视觉和集合论（set-theoretic）推理。我们对多种模型进行了试验，表明该数据集在未来的研究当中将是极具竞争力的。

最佳演示论文：Hafez: an Interactive Poetry Generation System

论文地址：

Hafez 是一个自动的诗歌生成系统，它将循环神经网络（RNN）与一个有限态接收器（Finite State Acceptor—FSA）进行整合。它可以在给定任意话题的情况下生成十四行诗（sonnets）。此外，Hafez 能让用户通过调整各种不同风格的配置，对已生成的诗歌进行修改和润色。实验表明这种「润色」（「polish」）机制考虑到了用户的意向，并且做出了更好的诗歌。为了进一步评估，我们创建了一个网页界面，用户可以对每首诗进行从一星到五星的评级。我们也通过将系数因子增加 10 倍对整个系统进行了加速，再加上词汇精简和 GPU 计算，就可以快速地对足量的反馈进行收集了。基于此种反馈，系统可以学着去调整它的参数以改善诗歌的质量。

最佳演示论文第二名：OpenNMT : Open-Source Toolkit for Neural Machine Translation

论文地址：https://arxiv.org/pdf/1701.02810.pdf

我们介绍了一种用于神经机器翻译的开源工具包。该工具包以效率、模块化、可延展性作为优先考虑因素，从而在模型架构、特征表征、开源形态中支持 NMT 研究，同时保证了有竞争优势的性能表现以及合理的训练需求。该工具包包含建模与翻译的相关支持，同时也包含底层技术的教学文档。

参考文章：开源 | 哈佛大学 NLP 组开源神经机器翻译工具包 OpenNMT：已达到生产可用水平