UC伯克利教授馬毅投稿ICML，4個評審一致接收卻遭AC一票否決
魚羊 豐色 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
4位評審一致接收，按理說這篇頂會論文就沒跑了。
可就在這兩天，UC伯克利的馬毅教授卻遇上了一件“奇事”：
課題組投稿ICML 2021的論文，在4個評審都給出了接收意見的情況下，被領域主席（AC）一票否決了。
而根據馬毅教授微博透露的信息，AC的理由是：
這篇論文尚不能解釋目前深度神經網絡所有的tricks。
看到這樣的理由，馬毅教授的心情可能是這樣的：
于是，他直接在微博中質疑道：
那已經發表的成千上萬的關于深度網絡理論的文章是怎么發出來的就很讓人困惑了。
甚至表示“有的人可能并不希望把深度學習的原理搞清楚”。
究竟是怎樣一項研究，引起了這樣的爭議？
現在，馬毅課題組已經將這項研究整理成一版期刊論文，公開發布在了arXiv上，并釋出了代碼和數據。
究竟是什么樣的研究
論文標題是《ReduNet：A White-box Deep Network from the Principle of Maxinizing Rate Reduction》。
本文系作者授權數英發表，內容為作者獨立觀點，不代表數英立場。
轉載請在文章開頭和結尾顯眼處標注：作者、出處和鏈接。不按規范轉載侵權必究。
轉載請在文章開頭和結尾顯眼處標注：作者、出處和鏈接。不按規范轉載侵權必究。
本文系作者授權數英發表，內容為作者獨立觀點，不代表數英立場。
未經授權嚴禁轉載，授權事宜請聯系作者本人，侵權必究。
未經授權嚴禁轉載，授權事宜請聯系作者本人，侵權必究。
本內容為作者獨立觀點，不代表數英立場。
本文禁止轉載，侵權必究。
本文禁止轉載，侵權必究。
本文系數英原創，未經允許不得轉載。
授權事宜請至數英微信公眾號(ID: digitaling) 后臺授權，侵權必究。
授權事宜請至數英微信公眾號(ID: digitaling) 后臺授權，侵權必究。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）