机器学习顶会ICLR 2024录用论文合集，包含时间序列、图大模型、agent等热门主题

朋友们，ICLR 2024这周放榜了！据统计，本届会议共收到了7262篇论文，整体接收率约为31%，与去年（31.8%）基本持平。其中Spotlight论文比例为5%，Oral论文比例为1.2%。

不知道各位看完有什么感想，我只觉卷上加卷，仿佛误入神仙打架现场...听说还有热度非常高的论文被拒稿，这下对31%接收率下的神文都讲的啥更好奇了。

于是为了满足各（自）位（已）的好奇心，我火速浏览了部分录用论文，整理出了25篇已录用的高分论文来和同学们分享，这些论文主要涉及时间序列、图大模型、agent等热门投稿主题。

由于个人时间和精力有限，论文都只做了简单介绍，但原文以及开源代码都已经帮同学们打包好了，感兴趣的同学可以看文末直接获取。

时间序列

1.Inherently Interpretable Time Series Classification via Multiple Instance Learning

通过多实例学习实现固有可解释的时间序列分类

「简述：」论文提出了一种名为MILLET的新方法，通过多实例学习来解决传统时间序列分类方法难以解释的问题。作者将MILLET应用于现有的深度学习TSC模型，并展示了它们如何在不牺牲预测性能的情况下变得更容易理解。作者在多个数据集上评估了MILLET，结果表明它比其他可解释性方法更好。

2.ModernTCN: A Modern Pure Convolution Structure for General Time Series Analysis

用于通用时间序列分析的现代纯卷积结构

「简述：」论文提出了一种名为ModernTCN的新型纯卷积结构，用于更好地进行时间序列分析。作者对传统的TCN进行了修改，使其更适合时间序列任务。ModernTCN在五个主流时间序列分析任务上表现出色，同时保持了卷积模型的效率优势，比现有的最先进Transformer-based和MLP-based模型具有更好的效率和性能平衡。研究表明，ModernTCN具有更大的有效感受野，可以更好地发挥卷积在时间序列分析中的潜力。