一周內容精選 | 熱門雙語圖文（11.16-11.20）
1. 《無需依賴英語數據，100種語言互譯，臉書推出「 M2M-100」模型》 譯者：季一帆
機器翻譯（MT）能夠打破語言障礙，將不同語種的人團結起來，為不同人群提供有關COVID的權威信息以幫助他們避免感染。Facebook AI首次提出多語言機器翻譯（MMT）模型——M2M -100，該模型可以在不依賴英語數據的情況下在任何100種語言間進行翻譯，目前項目已開源。
2. 《Twitter圖學習研究負責人Michael Bronstein親述：Twitter從Recsys 2020挑戰中學到了什麼》譯者：聽風1996
Twitter與RecSys會議展開合作以支持2020挑戰賽。在兩周的時間裏，發佈了一個包含推文和用戶參與度組成的數據集，其中有1.6億條公開推文用於訓練，4000萬條公開推文用於驗證和測試。基於這一挑戰的結果，負責人表示仍然不明白在推薦系統中什麼構成良好的深度學習架構，他呼籲研究界共同尋找推薦器系統的最佳深度學習架構。
3. 《開源巨獻：27個深度強化學習算法的實例項目》 譯者：宋怡然
在這篇譯文中，您可以找到27個受歡迎的「深度強化學習」方法的實例項目。
4. 《知識圖譜改變銀行業務模式？基於GraphDB探索FIBO》 譯者：季一帆
金融業業務本體（FIBO）是由企業數據管理委員會（EDMC）開發的金融行業概念模型，2017年首發。本文重點關注FIBO本體和詞彙表，驗證了在FIBO執行推理時，OWL2RL是比RDFS更好的選擇。同時，結合推理和屬性路徑能夠檢測到一些結構性問題，這些技術的研究為大型、複雜的本體和知識圖譜提供質量保證。
5. 《2020年的Deepfake技術開發與應用》 譯者：明明知道
通過生成模擬真實人物的圖像、視頻和聲音，Deepfake 能夠生動地展現出一個人做了他們從未做過的事、或說了他們從未說過的話。這項技術一旦被濫用，後果將不可設想。2020 年可能會有更多關於監管的討論，但 deepfake 技術並不會消失，它在未來的應用範圍將從良性和新穎到潛在的破壞性和破壞性。
6. 《11款最佳氣候變化數據集》 譯者：Icarus、
全球變暖的原因到底是人類還是自然趨勢？大家可以藉助這些數據集去探索下。
7. 《教程：使用BYOL輕鬆進行自監督學習》 譯者：季一帆
BYOL是一種巧妙的自監督學習方法，可以利用未標記的數據來最大限度地提高模型性能。在BYOL之前，多數自我監督學習都可分為對比學習或生成學習，其中，生成學習一般GAN建模完整的數據分佈，計算成本較高，相比之下，對比學習方法就很少面臨這樣的問題。此外，由於所有ResNet模型都是使用ImageNet進行預訓練的，因此BYOL的性能優於預訓練的ResNet18。
往期推薦：
