学习苦难教训：来自 20 年 CVPR 论文的实证证据
计算机视觉与模式识别
2024-10-15 v1 计算与语言
机器学习
摘要
本研究考察了计算机视觉与模式识别会议（CVPR）研究与 Rich Sutton 提出的“苦难教训”原则的一致性。我们利用大型语言模型（LLM）系统分析两十年 CVPR 摘要和标题，以评估该领域对这些原则的接受程度。我们的 methodology 利用最先进的自然语言处理技术，系统性地评估计算机视觉研究方法的演变。结果揭示了通用学习算法采用和增加计算资源利用的显著趋势。我们讨论了这些发现对计算机视觉研究未来方向的意义，以及其对更广泛人工智能发展的潜在影响。该工作为关于最有效策略以推动机器学习和计算机视觉进步的持续对话提供了贡献，提供可能指导未来研究优先事项和方法的洞见。
引用
@article{arxiv.2410.09649,
title = {Learning the Bitter Lesson: Empirical Evidence from 20 Years of CVPR Proceedings},
author = {Mojtaba Yousefi and Jack Collins},
journal= {arXiv preprint arXiv:2410.09649},
year = {2024}
}
备注
NLP4Sceince Workshop, EMNLP 2024