ASC实验室@NeurIPS 2024接收了3篇论文，涵盖三维视觉、多智能体强化学习、联邦推荐等研究方向。代码数据陆续开源中。

Thirty-Eighth Annual Conference on Neural Information Processing Systems(NeurIPS 2024)将于2024年12月9日至15日在加拿大温哥华举行。NeurIPS是人工智能与机器学习领域的三大国际会议(NeurIPS、ICML、ICLR)之一，CCF A类会议。今年NeurIPS投稿量再创新高，共有15671篇有效投稿，接收率25.8%。

题目1：Mining and Transferring Feature-Geometry Coherence for Unsupervised Point Cloud Registration

作者：熊恪峥、项浩恩、徐青山、温程璐、沈思淇、Jonathan Li、王程

简介：该论文提出了适用于室外大场景的无监督三维点云配准方法INTEGER。该方法基于在特征空间中内点匹配和外点匹配分布的观察，改善了户外环境中现有无监督配准技术面临的伪标签质量问题，并针对室外场景中点云密度变化的挑战进行设计。在自动驾驶数据集KITTI和nuScenes上超过了现有无监督点云配准方法的性能，并展现出了强的泛化性能。

该论文第一作者是2024级硕士研究生熊恪峥，通讯作者是温程璐教授。本文是与南洋理工大学、滑铁卢大学共同研究取得的成果。

题目2：The Dormant Neuron Phenomenon in Multi-Agent Reinforcement Learning Value Factorization

作者：秦豪远、马陈楠、邓冕、刘政柱、梅松竹、刘新旺、王程，沈思淇

简介：大模型领域的Scaling Law在多智能体强化学习领域并不适用。该论文研究了多智能体强化学习价值分解算法中的休眠神经元现象，并表明这种现象对学习过程产生了负面影响，这一现象是导致Scaling Law不适用的原因之一。论文提出的ReBorn算法将权重从过载神经元转移到休眠神经元，并提出了多智能体知识不变性质，从理论上证明这种方法可以确保在权重转移过程后不会忘记学习到的智能体知识。通过实验证明，ReBorn能够提高在各种环境下多种流行的价值分解方法的性能。

该论文第一作者是2023级硕士研究生秦豪远，第二作者是2022级硕士生马陈楠，通讯作者是沈思淇副教授。本文是与国防科技大学刘新旺教授以及梅松竹副研究员共同研究取得的成果。

题目3：Federated Graph Learning for Cross-Domain Recommendation

作者：杨子棋、彭朝鹏、王子徽、Jianzhong Qi、Chaochao Chen、Weike Pan、温程璐、王程、范晓亮

简介：该论文提出了联邦图学习跨域推荐算法FedGCDR，该模型能够在多源域、单一目标域的跨域推荐场景上保护用户隐私，同时缓解了由隐私技术、域异质性等导致的负迁移问题，在亚马逊数据集中16个域的跨域推荐任务上性能领先。

论文第一作者是2023级硕士研究生杨子棋，通讯作者是范晓亮高级工程师。本文是与澳大利亚墨尔本大学、浙江大学、深圳大学等共同研究取得的成果。