【历年NeurIPS论文下载】一文了解NeurIPS国际顶会（含NeurIPS2022）

来源: AINLPer 微信公众号（每日论文干货分享！！）
编辑: ShuYini
校稿: ShuYini
时间: 2022-09-25

引言

NeurIPS 2022国际顶会马上就要开幕了（11月28日至12月9日），很多刚入门的小伙伴可能对此可能还不是很了解，为此作者为大家整理关于NeurIPS的介绍，另外作者还整理历年NeurIPS历年接受的论文供小伙伴下载。

历年NeurIPS下载：关注: AINLPer 回复：历年NeurIPS

NeurIPS介绍

NeurIPS（Neural Information Processing Systems ）是神经信息处理系统会议和研讨会(之前也叫NIPS)，每年举办一次。

NeurIPS 会议最初是在 1986 年由加州理工学院和贝尔实验室组织的关于计算神经网络的年度斯诺伯德（Snowbird）会议上提出的。 NeurIPS 旨在为探索生物和人工神经网络的研究人员提供一个互补的开放式跨学科会议。NeurIPS 始于 1987 年，信息理论家 Ed Posner 担任会议主席，学习理论家 Yaser Abu-Mostafa 担任项目主席。在早期的 NeurIPS 会议上提出的研究包括范围广泛的主题，从努力解决纯工程问题到使用计算机模型作为了解生物神经系统的工具。从那时起，生物系统和人工系统的研究流开始分化，最近的NeurIPS会议被机器学习、人工智能和统计学的论文所主导。

从1987年到2000年NeurIPS在美国丹佛举行。此后，会议先后在加拿大温哥华(2001-2010)、西班牙格拉纳达(2011)和美国太浩湖(2012-2013)举行。2014年和2015年分别在加拿大蒙特利尔、2016年在西班牙巴塞罗那、2017年在美国长滩、2018年在加拿大蒙特利尔、2019年在加拿大温哥华举行、2020-2021年因全球疫情的原因全部改成线上举行、2022年采用了线上线下（新奥尔良会议中心）混合的方式举行。该组织起源于犹他州的Snowbird，会议期间还在附近的一个滑雪场举办了研讨会，直到2013年，该组织的规模超过了滑雪场。

首届 NeurIPS 会议由 IEEE 赞助，以后的 NeurIPS 会议由 Ed Posner 创立的 NeurIPS 基金会组织。自 Posner 于 1993 年去世以来，Terrence Sejnowski 一直担任 NeurIPS 基金会的主席。董事会由 NeurIPS 会议的前任主席组成。

1987 年美国物理研究所以书本形式出版了第一期论文集，题为《神经信息处理系统》，随后的会议论文集由 Morgan Kaufmann (1988-1993) 出版，麻省理工学院出版社 ( 1994-2004）和 Curran Associates（2005 年至今），名称为 Advances in Neural Information Processing Systems。

会议名称最初缩写为“NIPS”。到2018年，一些评论员批评这个缩写鼓励性别歧视，因为它与“nipples”一词有关，是对日本人的一种侮辱。于是董事会于 2018 年 11 月将缩写更改为“NeurIPS”。

领域方向

除了机器学习和神经科学，NeurIPS还代表了认知科学、心理学、计算机视觉、统计语言学和信息论等其它领域。多年来，NeurIPS成为了机器学习的首要会议，尽管NeurIPS缩写中的“Neural”已经成为某种历史遗迹，但自2012年以来，在更快的计算机和大数据的推动下，深度学习在神经网络中的复兴，已经在语音识别、图像中的物体识别、图像字幕、语言翻译和围棋比赛的世界冠军表现方面取得了成就。基于视觉皮层(ConvNet)区域层次结构启发的神经架构和由基底神经节启发的强化学习(时间差异学习)。

按照今年2022年的论文征集通知，基本和计算相关的文章都可以投，并且通知还强调了机器学习是一个快速发展的领域，因此我们欢迎不完全符合现有类别的跨学科提交。其主要涉及：通用机器学习、深度学习(例如，架构，生成模型，深度网络的优化)、强化学习(例如，决策和控制，规划，分层RL，机器人)、应用(例如，语音处理，计算机视觉，NLP)、科学(如生物学、物理学、健康科学、社会科学)的机器学习、概率方法(例如，变分推理，因果推理，高斯过程)、优化(如凸优化和非凸优化)、神经科学与认知科学(如神经编码、脑机接口)、理论(如控制理论、学习理论、算法博弈论)、基础设施(例如，数据集、竞争、实现、库)、机器学习的社会方面(例如，人工智能安全、公平、隐私、可解释性、人-人工智能交互、伦理)。

近年论文接受情况

2022年，NeurIPS共收到了10411份有效投稿，最终2672篇论文被接收，接受率为25.6%

2021年，NeurIPS共收到了9122篇有效投稿，最终2344篇论文被接收，接收率为26%，达到了近几年来最高水平。

2020年，NeurIPS共收到了9454篇有效投稿，最终1900篇论文被接收，接收率为20.09%。

2019年，NeurIPS共收到了6743 篇有效投稿，比去年增长40%，最终1428篇论文被接收，接收率为20%。

2018年，NeurIPS共收到了4854 篇有效投稿，，最终1010篇论文被接收，比去年增长50%，接收率为21%。

会议组成

Papers: 这个不用多做介绍了，这个应该是大部分研究人员比较关注的一项。汇集了机器学习、神经科学、统计、优化、计算机视觉、自然语言处理、生命科学、自然科学、社会科学和其他邻近领域的研究人员提交的论文。

Tutorials: 征集有关核心机器学习主题以及新兴机器学习重要主题的tutorial提案。会议希望提案可以有力地证明该教程对 NeurIPS 社区的重要性。tutorial应该引起大部分社区的兴趣，并且应该代表一个足够成熟的研究或实践领域。tutorial应该是独立的，即该tutorial的某些部分需要用于介绍必要的背景知识。

Competitions：鼓励在领域内具有明显积极社会影响的组织/团体提交作品，以促进AI对弱势社区事业的帮助。除了社会影响之外，还寻求在机器学习可以积极影响其它科学、技术或商业领域的建议。我们希望有趣的比赛能够吸引大量跨学科和多元化社区加入我们的 NeurIPS 2022 竞赛轨道。

Workshops: 邀请有兴趣组织这些研讨会的研究人员提交提案。研讨会组织者有几个责任，包括协调研讨会的参与和内容，及时宣传和提供项目，以及在整个研讨会过程中的项目调整。研讨会为讨论正在进行的工作和未来方向提供了一个非正式的前沿场所。好的研讨会有助于明确常见问题，明确对比竞争框架，并阐明子领域或应用领域的基本问题。研讨会是一种结构化的方式，将有共同兴趣的人聚集在一起，形成社区。

Affinity Workshops and Socials：呼吁兴趣团体在NeurIPS 2022举办研讨会和/或社交活动。兴趣团体的成员需要有更多的机会来展示他们的工作，参与NeurIPS并建立网络。该讨论会的主要目的是鼓励人们展示他们的工作，并进入NeurIPS社区。与其他研讨会不同，兴趣团体小组研讨会的定义更宽松，旨在促进多样性和包容性。举办兴趣团体研讨会的想法是在兴趣团体之外建立研究社区，提高成员对所面临挑战的认识。此外，兴趣团体社交活动为兴趣团体的成员提供了安全、包容的社交空间。近年来，在NeurIPS会议上也出现了著名的兴趣小组，并展示了多样性，包括Black in AI(2017年)，Queer in AI(2016年)，North Africa in ML，Indigenous in AI workshop（2022年）等等。

Datasets and Benchmarks：该轨道是2021年刚刚建立的，并取得了重大的成功，它为高质量的出版物、会谈以及高价值的机器学习数据集和基准的展示提供了一个新颖的场所，同时也是一个讨论如何改进数据集开发的论坛。数据集和基准对机器学习方法的发展至关重要，但也需要它们自己的发布和审查指南。例如，数据集通常不能以双盲方式审查，因此不需要完全匿名。另一方面，它们确实需要额外的具体检查，例如适当描述数据是如何收集的，它们是否显示出内在的偏见，以及它们是否仍然可以访问。

Socials：社交活动是我们社区聚会、讨论、合作、辩论或庆祝共同兴趣的绝佳机会，旨在以社交为重点，而不是像研讨会那样的技术。由于2019冠状病毒病大流行仍在持续，且NeurIPS 2022以混合方式举行，将同时考虑面对面和虚拟社交活动。我们向所有注册的 NeurIPS 参与者征求关于我们社区内任何共同感兴趣的社会话题的建议。

EXPO: 向 NeurIPS 参展商征集参展申请。向各级和非营利组织扩大征集范围，申请参加世博会。世博会为学术界、工业界、非营利组织和其他机构之间在开发和使用机器学习和人工智能方面创造了国际交流的机会。

推荐阅读

[1] 必看！！【AINLPer】自然语言处理（NLP）领域知识&&资料大分享

[2]【历年IJCAI论文下载 && 论文速递】无数据对抗蒸馏、垂直联合、预训练微调范式图神经网络（GNN）

[3]【NLP论文分享 && QA问答】动态关联GNN建立直接关联，优化multi-hop推理（含源码）

[4]【NLP论文分享 && 含源码】基于Prompting Seq2Seq的自动标签序列生成（清华AI研究院）

[5]【NLP论文分享&&PLM源码】预训练模型BERT玩转Twitter(70亿数据对、100多种语言)

[6]【论文速递 && IJCAI论文干货下载】图神经网络(GNN)(多行为推荐、多模态食谱表示学习、同质图表示学习)

[7]【历年IJCAI论文下载 && 论文速递】无数据对抗蒸馏、垂直联合、预训练微调范式图神经网络（GNN）

[8]【NLP论文分享&&机器翻译】多语言标记训练中NMT对语言失衡的鲁棒性

[9]【NLP论文分享&&语言表示】有望颠覆Transformer的图循环神经网络（GNN）

[10]【NLP论文分享&&中文命名实体识别】如何构建一个优秀的Gazetteer/地名词典（浙大&含源码）

[11]一文看懂线性回归【比较详细】(内含源码)

[12]一文看懂逻辑回归【比较详细】(含源码)

最后不是最后

关注 AINLPer 微信公众号（每日都有最新的论文推荐给你！！）