2018 年 Top 10 影响力 AI 研究论文_：2018年Top10影响力AI研究论文AI科技

科技频道提示您本文原始标题是：2018 年 Top 10 影响力 AI 研究论文

AI 科技评论按：Topbots 总结了他们眼中 2018 年里 10 篇最为重要的 AI 研究论文，带领大家领略过去的一年中机器学习领域的关键进展。现在点开了这份清单的人显然是极为幸运的，获得了一个精彩瞬间回放的机会。

不得不说，考虑到这个领域极快的发展速度和极多的论文数量，肯定还有一些值得阅读的突破性论文没能包括在这份榜单中。不过这份清单是一个好的开始。

1. Universal Language Model Fine-tuning for Text Classification

「用于文本分类的通用语言模型的精细调节」

论文地址

https://arxiv.org/abs/1801.06146

内容概要

两位作者 Jeremy Howard 和 Sebastian Ruder 提出了可以用预训练的模型解决多种 NLP 任务的想法。通过这种方法，研究人员不需要为自己的任务从零开始训练模型，只需要对已有的模型做精细调节。他们的方法，通用语言模型精细调节 ULMFiT ，得到了当时最好的结果，比其他模型的错误率降低了 18% 到 24%。更令人钦佩的是，ULMFiT 只用了 100 个有标签样本得到的结果就可以和用 10K 有标签数据从零开始训练的模型一样好。