2020AI年回顾：热点事件、趋势与展望
在2020年，人工智能发展迅速，从1月至12月的每月热点事件中，我们可以看到AI在各个领域中的应用与影响。从最初的远程办公支持，到面部识别技术的争议，再到GPT-3的推出和人工智能伦理问题的凸显，每个阶段都体现了AI的进步和人们对相关问题的关注。然而，同时也暴露出对AI技术应用的风险和不确定性。
ErrorAnalysis&CorrectioninWeightedA*SuboptimalityandSoftOptionsCritic
这篇文章主要探讨了两个与人工智能领域相关的主题。首先，针对加权A*算法（wA*）的误差分析与修正进行了研究，发现wA*产生的解决方案的错误率往往远低于其使用权重W乘以最优解的成本，但目前缺乏足够的证据来支持这一观点。其次，文章探讨了一种名为“软选项评论家”（Soft Options Critic）的方法，该方法在层次任务中利用options框架进行学习和规划，并通过实验发现，最大化每个选项和之间策略的熵有助于提高模型的性能。
题目：虚拟世界的慷慨行为：传播与影响
这篇文章主要探讨了在线游戏中的慷慨行为和其在用户行为中的影响。研究发现， generosity（慷慨）在多人在线角色扮演游戏中是具有一定传染性的，当玩家观察他人慷慨行为时，会更愿意投入游戏。此外，接受和观察慷慨行为还会导致更高的未来博弈参与度。 social search 是一种在在线社交媒体中检索信息的方法，旨在更好地满足用户的信息需求并简化搜索过程。这项工作中，我们对社交搜索领域的现状进行了分析，并提出了一种新的分类法，突出了当前的局限性和未来的研究方向。 这篇文章针对Twitter上的俄罗斯虚假信息机器人进行了深入研究，提出了一种使用中心共振分析和Clauset-Newman-Moore社区检测的方法来识别这些机器人。实验结果显示，这种方法在识别真阳性（机器人）方面非常有效，但无法解决真阴性（非机器人）的问题。 最后，这篇文章对用于预测社交媒体时间序列的四个基线进行了实验评估。实验结果确定了对特定指标最准确的基线，为社交媒体建模的未来工作提供了指导。
功能可观察性及其在大型网络中的重要性
该文章主要探讨了功能可观察性在大型动态网络中的重要性，介绍了基于图的功能可观察性理论和算法，并将其应用于检测电网中的网络攻击和推断流行病期间的感染流行率。同时，文章还介绍了一种名为DSGC的无监督图表示学习方法，能够在不同的空间中生成视图，并与传统图对比学习方法相结合，提高了性能。最后，文章讨论了COVID-19大流行对国际贸易的影响，并通过分析联合国Comtrade数据库得出了一些新的结论。