ICLR 2024 國際學習表征會議已經來到了第十二屆，將于今年 5 月 7 日 - 11 日在奧地利維也納會展中心舉行。

在機器學習社區中，ICLR 是較為「年輕」的學術頂會，它由深度學習巨頭、圖靈獎獲得者 Yoshua Bengio 和 Yann LeCun 牽頭舉辦，2013 年才舉辦了第一屆。不過 ICLR 很快獲得學術研究者們的廣泛認可，被認為是深度學習頂會。在 Google Scholar 的學術會議 / 雜志排名中，ICLR 目前排名第十位，要高于 NeurIPS。

今日，ICLR 2024 將錄用結果陸續通知了論文提交者。本屆會議共收到了 7262 篇提交論文，整體接收率約為 31%，與去年持平（31.8%）。此外 Spotlights 論文比例為 5%，Oral 論文比例為 1.2%。

研究分析網站 Paper Copilot 對 ICLR 2024 的接收論文做了非常詳細的統計，并提供了與往年直觀的比較。

網站地址：https://papercopilot.com/statistics/iclr-statistics/iclr-2024-statistics/

結果出來后，依然是幾家歡喜幾家愁，論文被接收的學者紛紛「曬出」自己的喜悅。

機器之心報道過的蘋果文生圖大模型收到了被接收的喜訊。在這篇論文中，研究者提出了俄羅斯套娃式擴散模型（Matryoshka Diffusion Models，MDM），用于端到端高分辨率圖像生成。

推特 @thoma_gu

知名 AI 學者、Meta AI 研究科學家田淵棟團隊有 4 篇論文被接收，其中包括了一篇 Spotlight 論文。

推特 @tydsh

新加坡國立大學校長青年教授尤洋團隊的論文《InfoBatch: Lossless Training Speed Up by Unbiased Dynamic Data Pruning》被接收為了 Oral。

推特 @YangYou1991

不過，有些論文似乎成了 ICLR 2024 的遺珠，比如清華大學交叉信息研究院的研究者推出的 LCM（Latent Consistency Models），它將主流文生圖模型的效率提高了 5 到 10 倍，甚至做到了實時連續生圖。該模型發布僅僅一個月后便瀏覽超百萬，在 Hugging Face 平臺的模型下載量超 20 萬。

論文共同一作 Simian Luo 感嘆這是「這輩子最好笑的笑話」。

我們找到了一位審稿人的意見，他指出論文的缺點有這些：沒說清楚哪些貢獻對效率和質量影響最大、沒給出求解增強 PF-ODE 的計算復雜度、沒說明與其他方法相比推理時間到底快了多少、 沒給到 LCM 除用于 Stable Diffusion 以外其他 LDMs 的性能如何？

圖源：https://openreview.net/forum?id=duBCwjb68o