说米网

球人工智能范畴再传DataCanvas强音！九章云极DataCanvas公司科研团队的两项原创效果《A Solvable Attention for Neural Scaling Laws》与《DyCAST: Learning Dynamic Causal Structure from Time Series》被人工智能三大尖端会议之一ICLR（International Conference on Learning Representations）正式收录。这两项效果分别从神经网络根底了解与动态因果体系建模两大方向取得开展，标志着九章云极DataCanvas团队在AI底层技术创新与世界学术影响力上完成跨越式提高。

顶会严选：印证DataCanvas AI科研实力
ICLR与NeurIPS、ICML是人工智能范畴公认的全球三大尖端学术会议之一，由深度学习先驱Yoshua Bengio、Yann LeCun等人于2013年建议成立。ICLR凭仗其对深度学习中心问题的继续深耕、苛刻的学术规范与敞开协作的社区文明，已成为全球AI学者发布里程碑效果的首选平台，在谷歌学术人工智能方向出版物里具有第二高的h5-index。2025年，全球投稿量高达11565篇，选用率为32.08%，竞赛激烈程度堪称AI根底研讨的“终极试炼场”。

下载cdn,此次，九章云极DataCanvas公司双论文当选ICLR 2025，凸显了DataCanvas科研力气在AI中心范畴的实力。值得一提的是，这并非九章云极DataCanvas公司初次在人工智能范畴收成世界顶会的学术认证。2022年，ICLR选用论文《Implicit Bias of Adversarial Training for Deep Neural Networks》；2023年，NeurlPS选用论文《Implicit Bias of(Stochastic) Gradient Descent for Rank-1 Linear Neural Network》；2024年，AAAI选用论文《Effects of Momentum in lmplicit Bias of Gradient Flow folDiagonalLinear Networks》。
技术打破：从理论根基到体系才能的全栈创新
当选ICLR 2025的双论文揭示了九章云极DataCanvas公司科研团队在AI软件层的体系性布局——经过“理论可解释性”与“动态因果推理”的双轮驱动，推进人工智能向更可靠、更智能的下一代范式演进。
在理论层，解构Transformer标度规律，破解大模型效率困局。《A Solvable Attention for Neural Scaling Laws》初次从计算的角度，在给定条件下展示了作为Transformer架构中心的（简化）Self-Attention的Scaling Laws存在的必然性和Scaling Laws 怎么被其他要素（例如数据散布）决议。在给定条件下，表明了Self-attention 具有和其他模型类似的 Scaling Laws，与大规模实验上的定论契合。
1745733701497332.png
在体系层，NeuralODE驱动动态因果网络建模，打开复杂体系黑箱。《DyCAST: Learning Dynamic Causal Structure from Time Series》第一次处理了时序因果推断范畴中的同一时间因果图内部变量之间的联系，以及不同时间的因果图之间的联系。根据NeuralODE，本篇论文在多个数据集上完成了逾越或至少是持平范畴内办法的水平。

能够料想，如果九章云极DataCanvas公司两项研讨能够深度交融，将推进构建“理论可验证、因果可追溯”的AI技术体系：经过标度规律量化模型性能鸿沟，避免大模型的盲目参数堆砌，确保“练习可控性”；借助动态因果网络揭示AI决议计划的底层逻辑，破解医疗、金融等高敏感场景的“黑箱焦虑”，确保“决议计划可解释性”；联合理论建模与动态推理才能，提高AI在气候变化猜测、供应链危险办理等敞开复杂问题中的稳定性，确保“体系泛化性”。
近年来，各大世界尖端会议对九章云极DataCanvas公司的学术认可，标志着其在AI研讨范畴的继续创新地位。未来，九章云极DataCanvas公司将会不断深耕人工智能深度学习理论、大模型练习优化、因果推理等中心赛道研讨，继续为全球人工智能开展注入创新力气。