http://cs330.stanford.edu/
CS 330: Deep Multi-Task and Meta Learning
《Multi-Task Learning for Dense Prediction Tasks: A Survey》
《Progressive Layered Extraction (PLE): A Novel Multi-Task Learning (MTL) Model for Personalized Recommendations》
https://mp.weixin.qq.com/s/guAgXdhZSbEAkERSB1sLRA
多任务学习-Multitask Learning概述
https://zhuanlan.zhihu.com/p/355147999
《Multitask Learning》-多任务学习发展的关键节点
https://mp.weixin.qq.com/s/A-CVKTz_moaFzTYywSt2gg
张宇 杨强:多任务学习概述
https://zhuanlan.zhihu.com/p/148132708
最新《深度多任务学习》综述论文
https://zhuanlan.zhihu.com/p/46044947
深度神经网络中多任务学习简介
https://zhuanlan.zhihu.com/p/67524006
多任务学习综述-A Survey on Multi-Task Learning
https://mp.weixin.qq.com/s/QXOy2jo4RhCZrD5bSVzBOQ
共享相关任务表征,一文读懂深度神经网络多任务学习
https://zhuanlan.zhihu.com/p/59413549
Multi-task Learning(Review)多任务学习概述
https://mp.weixin.qq.com/s/X6FwTgr282hbqgOz3oBX-w
多任务学习概述论文:从定义和方法到应用和原理分析
https://blog.csdn.net/CoderPai/article/details/80080455
多任务学习与深度学习
https://mp.weixin.qq.com/s/NpO1UP_mzyaeqW26xLY1Xg
CVPR 2018最佳论文作者亲笔解读:研究视觉任务关联性的Taskonomy
https://mp.weixin.qq.com/s/DUSa3SW1AgvJ0szL030NHQ
一个AI玩57个游戏,DeepMind离真正“万能”的AGI不远了!
https://mp.weixin.qq.com/s/P81I5vl99mV-4StNHmd_6A
作为多目标优化的多任务学习:寻找帕累托最优解
https://mp.weixin.qq.com/s/cyX_FzHF-6df9_AMUDu1aQ
One Model To Learn Them All
https://mp.weixin.qq.com/s/oY2yGrTmIpr3H2qvzYKInA
谷歌一个模型解决所有问题《One Model to Learn Them All》论文深度解读
https://mp.weixin.qq.com/s/VMHyEOn8uyRYt39QXVWUww
西湖大学张岳:自然语言处理中的多任务联合学习(384页PPT)
https://mp.weixin.qq.com/s/5zo-2WB9v2hOvKAC7ZhKuQ
基于学习的多任务框架L2MT,为多任务问题选择最优模型
https://mp.weixin.qq.com/s/MPhKUosKZbLtVjJ1XYGXYA
如何利用深度学习模型实现多任务学习?这里有三点经验
https://mp.weixin.qq.com/s/Oopgglg2G7TwnXeN2DtZhA
多任务+注意力机制的学习
https://mp.weixin.qq.com/s/vMgHCQ03Gt5v6GdgW-pY9A
一个神经网络实现4大图像任务,GitHub已开源
https://mp.weixin.qq.com/s/Zui8FFn1FDP_UoAGMH0L7Q
知其然,知其所以然:基于多任务学习的可解释推荐系统
https://mp.weixin.qq.com/s/8Ablt7Sa86DXTB1dE_RqaA
港中文开源基于PyTorch的多任务人脸识别框架
https://www.zhihu.com/question/345173757
多任务学习成功的原因是引入了别的数据库还是多任务框架本身呢?
https://zhuanlan.zhihu.com/p/52566508
深度神经网络中的多任务学习汇总
https://mp.weixin.qq.com/s/DUsXj46TCZ9w_Dxgw4ZH8g
用于多任务CNN的随机滤波分组,性能超现有基准方法
https://mp.weixin.qq.com/s/-SHLp26oGDDp9HG-23cetg
多任务学习在推荐算法中的应用
https://mp.weixin.qq.com/s/avWy3-mju0d0QjufX_bi4Q
Multi-task Learning的三个实用小知识
https://mp.weixin.qq.com/s/hLJB8yH8V0Ncug77jHU1Bw
模型独立学习:多任务学习与迁移学习
https://zhuanlan.zhihu.com/p/138597214
Multi-task Learning and Beyond: 过去,现在与未来
https://mp.weixin.qq.com/s/gIEJoE9B8mmNx6u6bqLspQ
最新《深度多任务学习》综述论文,22页pdf
https://mp.weixin.qq.com/s/ifTNRW0W7-P_LyfNldtavQ
多任务学习方法在推荐中的演变
https://zhuanlan.zhihu.com/p/269492239
多任务学习优化(Optimization in Multi-task learning)
https://www.cnblogs.com/RyanXing/p/10730829.html
Cross-stitch Networks for Multi-task Learning
https://mp.weixin.qq.com/s/T_UsCkj9hnV7tgOTcaf6Wg
Multi-Task多任务学习, 那些你不知道的事
https://mp.weixin.qq.com/s/vFHYk7202bSZ214Za_SOtQ
2021年浅谈多任务学习
https://mp.weixin.qq.com/s/pvQHUXo83hMfH8kCumXSQA
如何利用多任务学习提升模型性能?
https://mp.weixin.qq.com/s/dcv2pqccrAtg2nNaHTTU2Q
一文”看透”多任务学习
https://mp.weixin.qq.com/s/W9yhj7_frLYWJocoBR1TMQ
避免AI错把黑人识别为大猩猩:伯克利大学提出协同反向强化学习
https://mp.weixin.qq.com/s/p2hlc2PsLgrvxOF8wBZANg
李飞飞高徒范麟熙解析强化学习在游戏和现实中的应用
http://mp.weixin.qq.com/s/EPbKE-TAnAPugJDhXHEyNA
DeepMind开源Psychlab平台——搭建AI和认知心理学的桥梁
https://mp.weixin.qq.com/s/xJ_g3BvbM-WaIyLthHdhEw
DeepMind发布通用强化学习新范式,自主机器人可学会任何任务
https://mp.weixin.qq.com/s/3HYELsdYwCJeUmXDBXx8NQ
这款超火的游戏,AI只用4小时,就秀出了人类花1年才能达到的水平
https://mp.weixin.qq.com/s/aEXi3XqcrWpAtdcMkFhBxw
强化学习中的调参经验与编程技巧(on policy篇)
https://mp.weixin.qq.com/s/VpvgNhktLBl_p9gkanp4Pw
2020格斗游戏AI冠军方案:基于强化学习对手建模的滚动时域演化算法
https://mp.weixin.qq.com/s/hb7iiJDWnNAXXUJmYKbqaw
强化学习帮我通关了超级玛丽!
https://mp.weixin.qq.com/s/BoZQ8aMF2Aohj536qhfWPg
Nature重磅:OpenAI科学家提出全新增强学习算法,玩游戏可完胜人类,或推动AI向真正智能学习体进化(Go-Explore)
https://mp.weixin.qq.com/s/HBqX6pz4EzO70YpmQ8xtRw
世界上最难的“沙雕”游戏被AI攻破了
https://mp.weixin.qq.com/s/teBlXXw4JQ8k3olCDOKXyw
量化金融自动交易的深度强化学习库。哥大开源“FinRL”
https://mp.weixin.qq.com/s/8UX65PGZkRokguLTnoGVFA
强化学习组合优化综述论文
https://mp.weixin.qq.com/s/Cfim24MSmClvo2HjW7thTw
最强原创综述!当强化学习邂逅组合优化
https://mp.weixin.qq.com/s/nNTag_D_qN7WcE7DEMJFaA
横扫6个SOTA,吊打强化学习!谷歌最强行为克隆算法登CoRL顶会,机器人干活10倍速
https://mp.weixin.qq.com/s/0AM4eASolsPZ7GtPYVBqDQ
伯克利今年大热的DeepMimic开源了~
https://zhuanlan.zhihu.com/p/35567591
强化学习在关系抽取、QA场景的应用
https://mp.weixin.qq.com/s/zWo2iSiJBEBwnFF478xxfQ
DeepMind:探索人类行为中的强化学习机制
https://mp.weixin.qq.com/s/oOslkEklaZSbRb8eDDCRBw
天津大学、东京大学等研究:用深度强化学习检测模型缺陷
https://mp.weixin.qq.com/s/DNT9rMynbN4Th0AVDHeY_w
BAIR提出人机合作新范式:教你如何高效安全地在月球着陆
https://mp.weixin.qq.com/s/KqLCTSYk1C0wYpJw-hpc1g
论强化学习和概率推断的等价性:一种全新概率模型
https://mp.weixin.qq.com/s/zRXs3BCEqXUruw746rZusw
牛津大学联合7家单位发布AutoRL综述,还在手动调参吗?你已经落后了
https://mp.weixin.qq.com/s/wPWV6kxkRlYb9dMf6ADWkQ
史上首次,强化学习算法控制核聚变登上Nature:DeepMind让人造太阳向前一大步
https://mp.weixin.qq.com/s/U0K79ELLj4wsOR4sd5G4Vw
Vicarious详解新型图式网络:赋予强化学习泛化能力
https://mp.weixin.qq.com/s/C8hsGkHGtoaS9Vzm6Ub4tw
Berkeley提出“随机搜索”训练线性策略,提高RL的性能
https://mp.weixin.qq.com/s/uppNSwxNrw4_8NGBQv85xw
今日头条首次改进DQN网络,解决推荐中的在线广告投放问题
https://mp.weixin.qq.com/s/JtUuFdTK4Q5YwnVj3BFU2w
全参数化分布,提升强化学习中的收益分布拟合能力
https://mp.weixin.qq.com/s/amXiNKJPEkAnu2m5NAERVw
Top-K Off-Policy Correction
https://mp.weixin.qq.com/s/kNtzy9-6GbsRhlL-mxksew
基于强化学习的人机对话
https://mp.weixin.qq.com/s/w3SsadgKaL8-tlzYLvMm-A
讲真?一天就学会了自动驾驶——强化学习在自动驾驶的应用
https://mp.weixin.qq.com/s/nnWuIPk_6mI9IAKIUbx6KQ
深度强化学习解决交通控制问题
https://mp.weixin.qq.com/s/RNJonPJL9JY5OH2-1sZMQw
中山大学HCP实验室:基于树状结构策略的渐进强化学习
https://mp.weixin.qq.com/s/G2sFkuvSeYmhkFjjPRGI-Q
强化学习如何用于推荐?新南威尔士首篇《深度强化学习推荐系统》综述论文
https://mp.weixin.qq.com/s/fMjjGCzef-3SVIOlUf2EFA
强化学习如何用于推荐?厦大最新《强化学习推荐系统》综述论文
https://mp.weixin.qq.com/s/8cV3Z_vkC0_cyfO2nVKoSw
华人博士用强化学习回收了SpaceX火箭
https://mp.weixin.qq.com/s/_-WSoeOqXMhR7S0PtyYixQ
深度强化学习探索算法最新综述,近200篇文献揭示挑战和未来方向
您的打赏,是对我的鼓励
请访问这里提交评论