Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

ICML 2024 AI for Math Workshop 征稿和挑战赛启动!

数学推理是人类智能中最具挑战性和最具深度的部分。人类在数学推理的发展进程中总结出了各种形式化语言,得以严格地描述数学问题和证明过程。而近年来的机器学习算法和大规模语言模型正在逐步接近甚至超越人类在一些数学推理的表现。那么,下一步我们该如何发展AI数学推理,使之成为人类突破未知数学领域的最强辅助?

本次研讨会旨在将不同学科背景、来自工业界和学术界的专家和学者汇集在一起,共同探讨AI数学推理的发展和前景。我们将展开讨论一系列关键但尚未被充分探讨的研究问题。数学作为众多科学学科(包括了计算机科学和人工智能领域)的理论和实践基石,我们也期待在研讨会和与会者一起讨论广泛的相关研究问题。

------- 研讨会征稿 -------

征稿主题:

自动形式化和对偶的自动非形式化

  • 自动定理证明
  • 自动定理生成
  • 代码增强和辅助数学推理
  • 形式化验证和代码生成
  • 评估指标
  • 相关的推理领域
  • 应用

奖项设置:

-所有被接收的投稿将在ICML 2024研讨会上进行海报展示

-设立最佳论文奖一名,作者将在ICML 2024研讨会上进行口头报告,并获得荣誉证书和一个ICML 2024 全程的免费注册名额

-设立荣誉提名奖一名,作者将在ICML 2024研讨会上进行口头报告,并获得荣誉证书和 1000 美元的差旅基金

投稿时间节点:

-开放投稿时间:2024年3月27日

-提交截稿时间:2024年5月31日 (Anywhere on Earth)

-审稿结果公布时间:2024年6月12日 (Anywhere on Earth)

-最终版提交时间:2024年6月26日 (Anywhere on Earth)

投稿规则:

本次研讨会采用 OpenReview 平台实行标准双盲审稿。投稿的正文篇幅为 2-8 页,参考文献和补充材料篇幅不限。投稿格式和模板遵循 ICML 2024 投稿指南:https://icml.cc/Conferences/2024/CallForPapers

投稿网址:

通过 OpenReview 平台提交。

提交入口:

------- AI数学推理挑战赛 -------

本次研讨会鼓励参赛者同时提交论文或技术报告,研讨会将尽可能地为大家创造线下报告和交流机会。提交方式请遵循上述投稿规则和时间节点。

三个赛道(可同时参赛):

-赛道一:自动形式化和自动非形式化

-赛道二:自动定理生成和证明

-赛道三:代码辅助的自动优化问题求解

比赛时间节点:

-挑战开始时间:

n赛道一和赛道二:2024年4月3日 (Anywhere on Earth)

n赛道三:2024年4月8日 (Anywhere on Earth)

-提交截止时间:2024年5月27日 (Anywhere on Earth)

-比赛结果公布时间:6月12日 (Anywhere on Earth)

比赛规则:

-参赛者可同时参加多个赛道

-参赛者需提交模型代码在后台完成答案预测和指标计算

-每支参赛队伍人数不超过6人

-每个赛道的前三名需将模型代码开源

奖项设置:

-每个赛道的前三名将获得现金奖励:第一名 500 美元,第二名 300 美元,第三名 200 美元

-每个赛道的第一名队伍将在ICML 2024研讨会上进行口头报告,并获得荣誉证书和 1000 美元的差旅基金

比赛网址:

参赛者可通过 CodaBench 平台提交模型代码和查看测试结果。------- 研讨会在 ICML 2024 期间举办 -------

研讨会形式:

-学术界和工业界顶尖学者的特邀报告

-AI数学推理的挑战赛

-口头报告(获奖论文;获奖参赛队伍)

-海报展示(所有被接收论文)

-嘉宾圆桌讨论

特邀报告嘉宾:组织者:组织单位:------- 联系方式 -------

任何相关问题请邮件联系:

ai4mathicml2024@gmail.com

产业ICML 2024
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

自动定理证明技术

自动定理证明(简称ATP)是自动推理(automated reasoning)以及数理逻辑(利用计算机程序进行数学定理证明)的分支。以数学证明为基础的自动推理曾经是计算机科学发展的主要驱动力。

语言模型技术

语言模型经常使用在许多自然语言处理方面的应用,如语音识别,机器翻译,词性标注,句法分析和资讯检索。由于字词与句子都是任意组合的长度,因此在训练过的语言模型中会出现未曾出现的字串(资料稀疏的问题),也使得在语料库中估算字串的机率变得很困难,这也是要使用近似的平滑n元语法(N-gram)模型之原因。

推荐文章
暂无评论
暂无评论~