本文将先容这些获奖作品，探究它们的研究方向以及与我们生活息息相关的人工智能运用领域。

Outstanding Paper Award(精彩论文奖)

1️⃣GxVAEs: Two Joint VAEs Generate Hit Molecules from Gene Expression Profiles

该论文提出一种新型深度天生模型 GxVAEs，利用两个联合变异自动编码器（VAEs）从基因表达谱中天生类命中分子。
第一个 VAE（ProfileVAE）从基因表达谱中提取潜在特色。
提取的特色是辅导第二个 VAE（称为 MolVAE）天生类命中分子的条件。
GxVAE 在分子天生和生物系统的细胞环境之间架起了一座桥梁，并天生对特定疾病有生物学意义的分子。
天生治疗分子的实验和案例研究表明，GxVAEs 优于目前最前辈的基线，能天生具有潜在生物活性和类药物特性的类靶分子。
可以根据患者的疾病特色成功天生对各种疾病具有治疗效果的潜在分子构造。

论文链接：https://ojs.aaai.org/index.php/AAAI/article/view/29248

2️⃣Reliable Conflictive Multi-view Learning

该论文来自西安电子科技大学，第一作者徐偲副教授、通信作者赵伟教授。

论文针对 RCML 问题提出 Evidential Conflictive Multiview Learning (ECML)，通过可信地聚合冲突多模态数据，能够在提升决策性能的同时，可靠地度量决策置信度，并从理论上证明了 ECML 能够量化冲突模态带来的负面影响。
并在六个真实天下数据集上的实验结果证明了 ECML 的有效性。

论文链接：https://arxiv.org/abs/2402.16897代码链接：https://github.com/jiajunsi/RCML

3️⃣Proportional Aggregation of Preferences for Sequential Decision Making

该论文研究的是给定选民偏好的公正顺序决策问题，并证明在基于用户偏好的顺序决策问题中，大略的多项式韶光投票规则可以供应强有力的比例担保。

论文链接：https://arxiv.org/abs/2306.14858Best Paper Award(Social Impact)

4️⃣DISCount: Counting in Large Image Collections with Detector-Based Importance Sampling

该事情提出 DISCount，一种基于检测器的主要性采样框架，用在大型图像凑集中进行计数，将不完善的检测器与人机回环筛选整合在一起，以产生无偏的计数估计值。
提出利用少量筛选样本办理多个空间或韶光区域的计数问题，并估计置信区间。
开拓了基于掌握变量的方差缩小技能，并证明了估计器的（条件）无偏性。

与基于协变量的方法比较，该方法能产生无偏估计值和置信区间，偏差更小。
DISCOUNT 的标注本钱比普通筛选降落了 9-12 倍，比 IS-Count 降落了 6-8 倍。

论文链接：https://arxiv.org/abs/2306.03151

Honorable Mention

5️⃣Nowcasting Temporal Trends Using Indirect Surveys

该事情提出 latent graph formulation，可以证明间接调查的预期相应与隐蔽人口的规模成正比；在 latent graph degree 方差的合理上限内，样本数量相同的情形下，间接调查比直接调查能更好地估计隐蔽人群；利用底层韶光动态的平滑性来证明加权移动均匀数比一系列单独估计值供应更好的估计值。

并通过大量仿照证明，上述方法优于传统的 NSUM 和直接调查方法。
以及在 COVID-19 病例的真实间接调查数据集上实证该方法的优胜性。

论文链接：https://arxiv.org/abs/2307.06643

Best Student Paper(Social Impact)

6️⃣Scaling Up Pareto Optimization for Tree Structures with Affine Transformations: Evaluating Hybrid Floating Solar-Hydropower Systems in the Amazon

该事情研究了将水电与浮动光伏太阳能板（FPV）相结合的创新策略。
为理解决可扩展性寻衅，对树状网络中 Pareto frontiers（帕累托前沿）的最新算法（Gomes-Selman等人，2018）提出了三项改进，同时保持了确切帕累托前沿算法和FPTAS的相同最优性担保。
并通过在亚马逊河流域的两个运用案例中验证该方法。

三个改进：

供应一种新的扩展多树网络形式，可以考虑多个水坝配置。
将节点的子前沿合并问题制订为一个保持帕累托最优性的仿射变换，从而实现了高效的支配检讨。
不同于之前的静态顺序方法，根据一个排名启示式动态选择成对加入的子节点。

与之前的算法比较，本次事情成果能在更短的韶光内识别出更好的能源组合，为干系方的决策供应有代价的见地。
希望该研究能促进在这一领域的进一步探索和研究，鼓励研究职员和有关各方深入研究水电站大坝与光伏发电相结合的潜力，以实现可持续和高效的能源办理方案。

论文链接：https://ojs.aaai.org/index.php/AAAI/article/view/30210Honorable Mention

7️⃣Is My Prediction Arbitrary? The Confounding Effects of Variance in Fair Classification Benchmarks(Arbitrariness and Social Prediction: The Confounding Role of Variance in Fair Classification)

该事情针对公正性的可重复性和可靠性这个严明问题作了以下贡献：

从方差中定义一种称为自洽性的指标，用它来衡量和减少任意性；开拓一种凑集算法，在预测是任意的情形下放弃分类；对方差（相对付自洽性和任意性）在公正二元分类中的浸染进行迄今为止最大规模的实证研究；发布一个工具包，使美国《住房抵押贷款表露法案》（HMDA）数据集能方便地用于未来的研究。

论文链接：https://arxiv.org/abs/2301.11562论文链接：https://ojs.aaai.org/index.php/AAAI/article/view/30203Student Abstract Program Awards

8️⃣JoLT: Jointly Learned Representations of Language and Time-Series for Clinical Time-series Interpretation

该事情提出 JoLT(Jointly Learned Representations of Language and Time-series)，利用 Querying Transformer (Q-Former)来对齐韶光序列和文本表示，天生文本。
在一个大型真实的心电图数据集上进行的医疗韶光序列总结的实验表明，JoLT 的性能优于最前辈的图像字幕方法。

论文链接：https://ojs.aaai.org/index.php/AAAI/article/view/30423

9️⃣Strategic Recommendation: Revenue Optimal Matching for Online Platforms

该事情针对买家和卖家之间可能的交易关系进行建模，剖析平台如何计策性地将买家与卖家匹配，以最大化其收入。

论文链接：https://ojs.aaai.org/index.php/AAAI/article/view/30432

Best Demonstration Award(最佳演示奖)

1️⃣0️⃣Expressive and Flexible Simulation of Information Spread Strategies in Social Networks Using Planning

本项事情可以利用方案对舆论演化和计策干预进行详细仿照。
所提出框架旨在加强人类与人工智能的互助，支持制订计策，以促进对网络中舆论演化的深入理解和知情参与。
该作品从 30 个演示作品中脱颖而出，而这些演示作品又是从 97 个提交作品中精选出来的。

论文链接：https://ojs.aaai.org/index.php/AAAI/article/view/30576

随着科技的不断发展，人工智能已经渗透到我们生活的方方面面。
如在医疗、能源的可持续发展、买卖交易等领域，AI 的运用使得我们的生活更加便捷与智能。

大会互换虽已落幕，但 AI 发展的脚步永一直歇。
作为人类聪慧的结晶，AI 持续推动着科技的前沿。
未来，我们可以期待着更多打破性的运用，将 AI 技能融入到更多领域，为人类带来更多实际的利益和改变。

同样，趋动云作为算力做事商，也将持续为科研发展带来卓越的打算资源和做事，一同探索 AI 的发展之路。

趋动云