ICML 2019大牛筆記，真知灼見全收錄

摘要：這份筆記來自布朗大學博士David Abel，他整理了6月10日-6月14日五天ICML會議的精華內容，包含大牛發言、重要的定義公式、重點PPT，還有學術會議中最精彩的問答環節整理，總共涵蓋95篇論文。這份筆記最開始的一部分，是經過這次會議後，David對於強化學習的思考，也是這屆ICML會議帶來的一些核心啟發：。

郭一璞 假裝發自 長灘量子位 報導 | 公眾號 QbitAI

ICML 2019剛結束，新鮮出爐的會議筆記就來了。

這份筆記來自布朗大學博士David Abel，他整理了6月10日-6月14日五天ICML會議的精華內容，包含大牛發言、重要的定義公式、重點PPT，還有學術會議中最精彩的問答環節整理，總共涵蓋95篇論文。

筆記一出，就收獲了無數網友的「樓主好人」，哪怕是沒有去ICML線上參會，也可以通過這份筆記了解整界ICML會議的核心重點。

筆記都有什麼

這份筆記按照時間順序排列，每天都有單獨一章，包含會議的turorals、主會論文、workshop等，重點介紹了會議的best paper和氣候變化workshop（吳恩達也在這個workshop哦）。

比如best paper的介紹里，就記錄了這篇論文研究者想要解決的問題、解決問題的思路、現場的討論問答、重點內容的定義、核心方法和貢獻。

短短一頁半，沒有什麼閱讀負擔，卻涵蓋了最重點的內容，此外的每篇論文，基本都有這些重點內容。

強化學習向何方？

這份筆記最開始的一部分，是經過這次會議後，David對於強化學習的思考，也是這屆ICML會議帶來的一些核心啟發：

1、Off-policy評估和學習方面湧現了大量的研究，這些問題非常重要，正如我和許多其他學者預計，強化學習應用將會伴隨來自次優策略的大量數據。2、強化學習探索理所當然的再度登上熱門話題，和off-policy探索等工作一樣，都是強化學習的基本問題，我們處於取得重大進展的有利地位。3、本屆會議上一些非常好的研究依然針對分布式強化學習。4、周五，針對氣候變化的人工智能workshop很棒，參與人數眾多。氣候變化是非常重要的問題，而機器學習工具可以在當下起到實際有效的作用。5、我們需要在強化學習中將評估標準化，不是說只用一種方法來評估或者只限於一個領域，但目前的評估方法差異太大。

頂會常客David Abel

最後，這位筆記的貢獻者David Abel也是一位厲害人物。

他目前在布朗大學讀博士，明年畢業，已拿到DeepMind的實習offer。博士生涯期間，他一共在ICML、IJCAI、AAAI、ICAPS等會議上發表過9篇頂會論文，其中7篇都是一作，這還不算期刊論文和大量的頂會Workshop論文。

因此，David也是各大頂會常客，從NeurIPS 2017開始，他開始分享AAAI、ICML、ICLR等各大頂會的筆記。

最特別的是，在布朗大學讀計算機專業的碩士博士的同時，他還順手讀了個哲學碩士，真是文理兼通的人才呢。

>ICML 2019大牛筆記，真知灼見全收錄