微软|NeurIPS 2021论文放榜!清华投稿90篇排名第5,北大第9( 二 )


作为一名工业界实验室的研究员,刘博士为世界做出了独特的贡献。一方面,他的许多技术已经被应用到微软的产品和在线服务上,比如必应、微软广告、Windows、Xbox和Azure。另一方面,他也一直积极为学术界做贡献。
微软|NeurIPS 2021论文放榜!清华投稿90篇排名第5,北大第9
文章插图
刘铁岩博士的先锋性工作促进了机器学习与信息检索之间的深度融合,被国际学术界公认为「排序学习」领域的代表人物。
他发明了几个非常有影响力的算法和理论,包括列表排序法、关系排序法和排序的统计学习理论,在网络搜索和计算广告学等方向取得了卓越的学术成果。
在「排序学习」领域,他的学术论文已被引用万余次,并受斯普林格(Springer)出版社之邀撰写了该领域的首部学术专著,并成为Springer计算机领域华人作者的十大畅销书之一。
微软|NeurIPS 2021论文放榜!清华投稿90篇排名第5,北大第9
文章插图
同时,他是LETOR基准数据集的创建者,而LETOR是「排序学习」研究的必备实验平台。凭借他的深入研究和努力,「排序学习」已经成为当今各大搜索引擎的一项基础技术,并继续成为相关研究界最重要的方向之一。
微软|NeurIPS 2021论文放榜!清华投稿90篇排名第5,北大第9
文章插图
刘博士在深度学习、强化学习、分布式机器学习等方面也颇有建树,发表了百余篇学术论文,被他引数万次。
他曾多次获得最佳论文奖、最高引用论文奖、Elsevier 最高引中国学者奖、中国计算机学会青竹奖、中国AI英雄风云榜技术创新人物奖、AMiner全球最具有响力学者奖(信息检索领域)等奖项。
早在2005年,刘博士就开发出了世界上最大的文本分类器,可以在20台机器上对超过25万个类别进行分类。
微软|NeurIPS 2021论文放榜!清华投稿90篇排名第5,北大第9
文章插图
近几年,刘博士和他的团队开发了许多可扩展和高效的机器学习工具,包括世界上最快和最大的主题模型(LightLDA,拥有一百万个主题,发布在WWW 2015上)、最高效和可扩展的递归神经网络(LightRNN,发布在NIPS 2016上)和GBDT模型(LightGBM,目前已成为Kaggle比赛和KDD Cup中最受欢迎的机器学习工具之一),以及最快的神经TTS引擎(FastSpeech,发布在NeurIPS 2019上)。
微软|NeurIPS 2021论文放榜!清华投稿90篇排名第5,北大第9
文章插图
FastSpeech的整体架构
2018年,他帮助微软在中英新闻翻译任务上达到了人类专家的水平,并于次年获得WMT机器翻译比赛8项冠军。
微软|NeurIPS 2021论文放榜!清华投稿90篇排名第5,北大第9
文章插图
2019年,他率团队研发了史上最强麻将AI Suphx,在国际知名麻将平台「天凤」上荣升十段,稳定段位显著超越人类顶级选手。
微软|NeurIPS 2021论文放榜!清华投稿90篇排名第5,北大第9
文章插图
微软亚洲研究院高级首席研究员秦涛
微软|NeurIPS 2021论文放榜!清华投稿90篇排名第5,北大第9
文章插图
同是微软亚洲研究院的学者,秦涛博士此次NeurIPS 2021也有8篇论文被接收。
秦涛博士,目前是微软亚洲研究院的高级首席研究员,管理深度强化学习小组,在清华大学获得了博士学位和学士学位。
他的研究方向包括深度学习(应用于机器翻译、医疗保健、语音合成和识别、音乐理解和作曲)、强化学习(应用于游戏和现实世界问题)、博弈论和多智能体系统(应用于云计算、在线和移动广告)以及信息检索和计算广告。
微软|NeurIPS 2021论文放榜!清华投稿90篇排名第5,北大第9
文章插图
他是美国计算机学会(ACM)和美国电气与电子工程师学会(IEEE)的高级会员,中国科学技术大学兼职教授(博士顾问)。

推荐阅读