主要观点总结
本文报道了人工智能顶会NeurIPS公布的最新最佳论文，包括两篇论文获得最佳论文奖和两篇论文获得最佳论文亚军。文章详细介绍了各篇论文的研究内容、研究团队和论文简介。
关键观点总结
关键观点1: NeurIPS公布了今年的最佳论文，包括两篇论文获得最佳论文奖。
其中，《Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction》论文介绍了图像生成的自回归模型VAR，并展示了其效果和速度的提升；《Stochastic Taylor Derivative Estimator: Efficient amortization for arbitrary differential operators》论文则解决神经网络优化中的计算效率问题。
关键观点2: 有两篇论文获得了最佳论文亚军。
其中，《Not All Tokens Are What You Need for Pretraining》论文提出了一种新的语言模型预训练方法，通过选择性语言建模来提高语言模型的性能；《Guiding a Diffusion Model with a Bad Version of Itself》论文则探讨了图像生成扩散模型的引导问题，提出了一种使用较小模型版本引导生成的方法，以提升图像质量和多变程度。
关键观点3: NeurIPS 2024大会的举办时间和投稿情况。
NeurIPS 2024将于12月10日至15日在温哥华举办，本届大会共收到15671篇有效论文投稿，投稿数量持续增长。
文章预览
机器之心报道 机器之心编辑部 刚刚，人工智能顶会 NeurIPS 公布了今年的最佳论文（包括 Best Paper 和 Best Paper Runner-up，大会注册者可以看到）。 一共有两篇论文获得最佳论文奖： 一是由北京大学、字节跳动研究者共同完成的《Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction》（视觉自回归建模：通过 Next-Scale 预测生成可扩展图像）， 论文一作为田柯宇（此前因涉攻击内部大模型，被字节起诉）。 参见机器之心报道《 GPT 超越扩散、视觉生成 Scaling Law 时刻！北大 & 字节提出 VAR 范式 》。 机器之心获悉，从 2023 年开始，字节商业化技术团队就在研究图像生成的自回归模型，一直将 VAR 作为高优项目推进，不仅安排多名研究人员重点攻关此技术方向，还投入大量算力资源支持模型训练和实验。该团队近期将发布新的 VAR T2I 模型研究成果
………………………………
