GPT-3等三篇论文获NeurIPS2020最佳论文奖

今日NeurIPS 2020 公布了最佳论文奖和时间检验奖。OpenAI 等提出的语言模型 GPT-3、米兰理工大学和卡内基梅隆大学提出的 no-regret 学习动态研究，和加州大学伯克利分校关于数据总结的论文共享本届会议的最佳论文奖项。时间检验奖则是由威斯康星麦迪逊分校团队发表于NeurIPS 2011上的一篇论文获得，其一作为本科毕业于清华大学计算机系的华人Feng Niu。

最佳论文1： Language Models are Few-Shot Learners 论文地址： https://papers.nips.cc/paper/2020/file/1457c0d6bfcb4967418bfb8ac142f64a-Paper.pdf

最佳论文2： No-Regret Learning Dynamics for Extensive-Form Correlated Equilibrium 论文地址： https://proceedings.neurips.cc/paper/2020/file/5763abe87ed1938799203fb6e8650025-Paper.pdf

最佳论文3： Improved guarantees and a multiple-descent curve for Column Subset Selection and the Nystrom method 论文地址： https://proceedings.neurips.cc/paper/2020/file/342c472b95d00421be10e9512b532866-Paper.pdf

时间检验奖论文： HOGWILD!: A Lock-Free Approach to Parallelizing Stochastic Gradient Descent 论文地址： https://papers.nips.cc/paper/2011/file/218a0aefd1d1a4be65601cc6ddc1520e-Paper.pdf

以色列数学家质疑中科大团队“量子优越性”

中国科学技术大学潘建伟、陆朝阳团队与合作单位构建了最多76个光子的量子计算原型机“九章”，实现了“高斯玻色取样”(Gaussian BosonSampling)任务的快速求解，比目前最快的超级计算机快一百万亿倍。这个成果最近发表在《科学》杂志上后，中外媒体纷纷报道，包括普里斯基尔在内的许多业内专家都在第一时间对他们表示祝贺。

以色列数学家和计算机科学家卡莱伊(Gil Kalai)在其个人博客上发表一篇文章，提出了一个跟IBM团队对“悬铃木”一样的质疑，就是用经典计算机可以比中科大团队所预想的更容易地解决“高斯玻色取样”的任务。早在2014年，卡莱伊就跟合作者发表论文，提出一种很简单的方法来完成近似玻色取样，然而一直没有人在经典计算机上实现他们的方法。因为计算总会有噪声，所以近似取样在实际运用中已经足够了。如果用经典计算机可以在几天内完成76个光子规模的近似玻色取样，那么就很难说中科大团队在这一问题上实现了量子优越性。

新的科学发现总会受到不断的质疑，并在回复质疑的过程里逐渐完善。

哈工大SCIR推出聊天机器人技术开放平台-CTP

聊天机器人技术开放平台（Chatbot Technology Platform，CTP）测试版是基于哈工大社会计算与信息检索研究中心自主研发的笨笨机器人核心技术及框架开发，CTP测试版旨在开放我们已有的研究技术，希望能够最大化这些技术的利用价值，同时方便普通用户和开发者创建或者开发专属聊天机器人。

CTP 测试版支持机器人属性自定义、专属技能模块开发、多种交互使用形式以及会话日志分析等功能。同时，CTP测试版基本内置笨笨机器人各项技能，包括闲聊以及各种游戏技能模块，可供用户开箱即用（具体列表请访问官网查看）。

官网访问（推荐PC端访问获得最佳体验）：http://mcc.8wss.com（备用地址：SMP-MCC）

百度获批在北京进行完全无人驾驶道路测试

近日，北京市自动驾驶测试管理联席工作小组向百度Apollo颁发了首批5张无人化路测（第一阶段）通知书。这是北京市首次允许测试主体在公开道路进行无人化自动驾驶测试。在2020年11月12日北京市出台的《北京市自动驾驶车辆道路测试管理实施细则（试行）》4.0版本中，明确了无人化测试的申请要求，重点要求测试主体取得T3及以上测试能力，并在开放道路安全测试里程达到3万公里，通过封闭场地内的无人化测试评估。这是目前全国最高安全要求、最高门槛的无人化测试政策。

据了解，自动驾驶前期技术测试验证主要分为场地测试、道路测试、无人化道路测试（车内有安全员）和车内无人道路测试四个阶段。

UC伯克利马毅新书预印版开放下载，探讨低维模型与高维数据分析

今日凌晨，加州大学伯克利分校电气工程与计算机科学系教授马毅（Yi Ma）宣布其与哥伦比亚大学电气工程系副教授 John Wright 合著的新书《High-Dimensional Data Analysis with Low-Dimensional Models: Principles, Computation, and Applications》开放了 pre-production 版本，读者可以在线下载了。

本书涵盖了用于高维数据分析的新的数学原理（统计学与几何学）、可扩展（凸与非凸）优化方法以及一些重要的应用（例如科学成像、宽带通信、人脸识别、3D 视觉和深度网络等）。本书将用作数据科学、信号处理、优化和机器学习领域的入门级研究生教材，它已经被用于 EECS 290（加州大学伯克利分校）和 ELEN 6886（哥伦比亚大学）两门课程。

书籍链接：https://book-wright-ma.github.io/Book-WM-20201206.pdf