xem kèo bóng đá (Trụ sở chính: Shibuya-ku, Tokyo, Giám đốc đại diện: Susumu Fujita, Prime Market: Mã chứng khoán: 4751) vui mừng thông báo rằng bảy bài báo của các nhà nghiên cứu liên kết với AI Lab, một tổ chức nghiên cứu và phát triển công nghệ trí tuệ nhân tạo, đã được chấp nhận tại NeurIPS 2025 (Hệ thống xử lý thông tin thần kinh), một hội nghị quốc tế trong lĩnh vực học máy
``NeurIPS'' là một hội nghị quốc tế được tổ chức hàng năm bởi các nhà nghiên cứu từ khắp nơi trên thế giới và là một trong những hội nghị có thẩm quyền hàng đầu trong lĩnh vực học máy, cùng với ``ICML'' và ``ICLR'' Năm nay, 24,52% bài báo đã được chấp nhận trong tổng số khoảng 21575 bài gửi Ngoài ra, trong số các bài báo được công ty chúng tôi chấp nhận, "Giảm dần độ dốc theo kích thước bất kỳ cho dữ liệu có thể phân tách theo Fenchel–Young Losses" đã được chọn cho bản trình bày Spotlight Spotlight chỉ được trao cho một số lượng hạn chế các bài nghiên cứu được các hội nghị học thuật chấp nhận và vào năm 2025, nó sẽ chiếm khoảng 3,2% tổng số bài nộp, khiến đây trở thành một giải thưởng có độ khó caoBài báo được “AI Lab” chấp nhận sẽ được trình bày tại “NeurIPS 2025” được tổ chức tại San Diego vào tháng 12 năm 2025
■Nềndự đoán bóng đá kèo nhà cái những năm gần đây, với sự phát triển của công nghệ máy học, người ta tập trung vào việc đưa ra quyết định tối ưu và phân phối quảng cáo hiệu quả bằng AI Tại AI Lab, chúng tôi đang nghiên cứu và phát triển nhiều loại công nghệ AI, đồng thời tăng cường hợp tác giữa ngành-học viện với các trường đại học và tổ chức học thuật Chúng tôi đã tích cực theo đuổi nghiên cứu nhằm vào các chiến lược ra quyết định dự đoán bóng đá kèo nhà cái các dịch vụ thực tế, chẳng hạn như phát triển công nghệ để trình bày văn bản quảng cáo phù hợp với người dùng dự đoán bóng đá kèo nhà cái quảng cáo trên Internet và phát triển công nghệ cho phép xác minh hiệu quả chính xác hơn
Bảy bài báo được chấp nhận gần đây tại NeurIPS 2025 đề xuất các phương pháp mới để đánh giá và tìm hiểu các chiến lược ra quyết định này hiệu quả hơn và có độ chính xác cao, đồng thời dự kiến sẽ dẫn đến ứng dụng cho các dịch vụ dự đoán bóng đá kèo nhà cái tương lai và phát triển các phương pháp tiếp thị mới
Tóm tắt bài báo
「」Tác giả: Shinsaku Sakagami (CyberAgent
※1)・Taira Tsuchiya (Đại học Tokyo / RIKEN)・Sự hòa nhập (Viện Toán thống kê)・Taihei Oshiro (Đại học Hokkaido)
| Vấn đề ước tính tiêu chí đánh giá cơ bản từ hành vi được quan sát được gọi là "tối ưu hóa nghịch đảo" Nghiên cứu này đã giải quyết vấn đề tăng chi phí tính toán liên quan đến các phương pháp thông thường dự đoán bóng đá kèo nhà cái "tối ưu hóa nghịch đảo trực tuyến", quan sát và tìm hiểu hành vi qua nhiều vòng Phương pháp đề xuất có thiết kế hiệu quả, không làm tăng số lượng phép tính dự đoán bóng đá kèo nhà cái mỗi vòng ngay cả khi quá trình học tiến triển, đồng thời đạt được các đảm bảo về mặt lý thuyết tương đương với phương pháp thông thường tốt nhất hiện nay Ngoài ra, chúng tôi cũng đề xuất một phương pháp duy trì hiệu suất ổn định ngay cả dự đoán bóng đá kèo nhà cái môi trường thực tế nơi hành vi được quan sát không nhất thiết phải tối ưu Kết quả này dự kiến sẽ được áp dụng cho nhiều lĩnh vực nhằm tìm hiểu các nguyên tắc hành vi |
「」Tác giả: Kao (Viện Toán thống kê), Shinsaku Sakagami (CyberAgent*1), Yuki Takezawa (Đại học Kyoto / Đại học sau đại học Viện Khoa học và Công nghệ Okinawa)
| dự đoán bóng đá kèo nhà cái phương pháp "giảm độ dốc", được sử dụng rộng rãi dự đoán bóng đá kèo nhà cái học máy, độ ổn định của quá trình học phụ thuộc rất nhiều vào cách chọn "kích thước bước" dự đoán bóng đá kèo nhà cái những năm gần đây, một hiện tượng được gọi là "Cạnh ổn định (EoS)" đã thu hút sự chú ý, dự đoán bóng đá kèo nhà cái đó khi sử dụng kích thước bước lớn, việc học tạm thời trở nên không ổn định, nhưng sau đó việc học tiến triển ổn định dự đoán bóng đá kèo nhà cái nghiên cứu này, chúng tôi đã chứng minh rằng dự đoán bóng đá kèo nhà cái một số điều kiện nhất định (khi dữ liệu có thể phân tách tuyến tính và mất Fenchel–Young được sử dụng), độ dốc giảm dần sẽ hội tụ ở bất kỳ kích thước bước nào Cụ thể, chúng tôi đã chỉ ra rằng dự đoán bóng đá kèo nhà cái trường hợp hàm mất có "biên độ phân tách", việc học có thể tiến hành với tốc độ hội tụ nhanh hơn so với việc tối thiểu hóa hàm lồi trơn tiêu chuẩn Kết quả này được kỳ vọng sẽ nâng cao hiểu biết của chúng ta về việc học bằng cách sử dụng các kích thước bước lớn, bao gồm cả hiện tượng EoS và góp phần nâng cao hiệu quả của việc học tập trên quy mô lớn
|
「」Tác giả: Yuo Shibukawa (Đại học Tokyo), Taira Tsuchiya (Đại học Tokyo / RIKEN), Shinsaku Sakagami (CyberAgent*1), Kenji Yamanishi (Đại học Tokyo)
| Dự đoán có cấu trúc trực tuyến là một bài toán dự đoán tuần tự các cấu trúc phức tạp như xếp hạng và so khớp, đồng thời là phiên bản tổng quát của các bài toán phân loại trực tuyến Các phương pháp dự đoán thông thường cho rằng "câu trả lời đúng" có thể được quan sát đầy đủ, nhưng trên thực tế, có nhiều trường hợp chỉ thu được thông tin hạn chế về câu trả lời đúng hoặc chỉ có thể thu được những quan sát bị trì hoãn dự đoán bóng đá kèo nhà cái nghiên cứu này, chúng tôi đã đề xuất một phương pháp mới có thể áp dụng cho những tình huống như vậy và đã chứng minh tính hiệu quả của nó cả về mặt lý thuyết và thực nghiệm Kết quả này sẽ thúc đẩy đáng kể công nghệ dự đoán dự đoán bóng đá kèo nhà cái những môi trường chỉ có thể thu được những quan sát hạn chế và dự kiến sẽ được áp dụng cho nhiều lĩnh vực như hệ thống tìm kiếm và đề xuất |
「」Tác giả: Shunta Akiyama (CyberAgent)
| Giảm độ dốc khối là một phương pháp tối ưu hóa chia các biến thành nhiều khối và cập nhật chúng một cách tuần tự Đặc biệt, đối với mạng nơ-ron, một phương pháp được biết đến là chia các tham số của mỗi lớp thành một khối và cập nhật chúng một cách tuần tự dự đoán bóng đá kèo nhà cái nghiên cứu này, chúng tôi đã thiết kế một thuật toán mới dựa trên sự đảm bảo về mặt lý thuyết rằng việc giảm độ dốc khối có thể tìm thấy các tham số tối ưu dự đoán bóng đá kèo nhà cái mạng lưới thần kinh Những kết quả này cung cấp sự đảm bảo về mặt lý thuyết cho các mạng thần kinh nhiều lớp có độ sâu tùy ý, chưa được xác định bằng cách sử dụng phương pháp giảm độ dốc và chứng minh tính hiệu quả của việc giảm độ dốc khối, đặc biệt là dự đoán bóng đá kèo nhà cái các tình huống cần có sự an toàn dự đoán bóng đá kèo nhà cái hoạt động thực tế |
「」Tác giả: Yumasa Fujimoto (CyberAgent), Kenyuki Abe (CyberAgent), Kaito Ariu (CyberAgent)
| dự đoán bóng đá kèo nhà cái các cuộc đấu giá quảng cáo, chúng tôi thấy các tình huống dự đoán bóng đá kèo nhà cái đó không chỉ công ty của chúng tôi mà cả các công ty khác cũng đào tạo mô hình của họ một cách độc lập dự đoán bóng đá kèo nhà cái nghiên cứu này, chúng tôi đã xem xét các tình huống có sự chậm trễ dự đoán bóng đá kèo nhà cái việc quan sát khen thưởng dự đoán bóng đá kèo nhà cái quá trình học tập dự đoán bóng đá kèo nhà cái môi trường đa tác nhân như vậy Chúng tôi đã chứng minh qua cả lý thuyết và thí nghiệm rằng độ trễ này làm giảm hiệu suất của các thuật toán hiện có và hiệu suất đó có thể được khôi phục bằng cách sửa đổi thuật toán để dự đoán tương lai lâu hơn Kết quả của nghiên cứu này được kỳ vọng sẽ dẫn đến các biện pháp đối phó với độ trễ phản hồi có thể xảy ra dự đoán bóng đá kèo nhà cái các hệ thống thực |
「」Tác giả: Shin Isobe (Đại học Tokyo)
※2)・Kenyuki Abe (CyberAgent)・Kaito Ariu (CyberAgent)
| Các vấn đề đưa ra quyết định như đấu giá quảng cáo đòi hỏi nhiều người ra quyết định phải tìm hiểu các chiến lược tối ưu dự đoán bóng đá kèo nhà cái khi tương tác với nhau dự đoán bóng đá kèo nhà cái những năm gần đây, một cách tiếp cận gần giống với môi trường đa tác nhân quy mô lớn bằng cách sử dụng mô hình được gọi là trò chơi trường trung bình và tính toán gần đúng chiến lược tối ưu đã thu hút được sự chú ý dự đoán bóng đá kèo nhà cái nghiên cứu này, chúng tôi đã cải tiến phương pháp học thông thường cho các trò chơi trường trung bình và đề xuất một thuật toán có thể học các chiến lược tối ưu ổn định hơn Điều này được kỳ vọng sẽ cho phép học các chiến lược có độ tin cậy cao ngay cả dự đoán bóng đá kèo nhà cái các tình huống khác nhau |
「」Tác giả: Undral Byambadalai (CyberAgent), Tatsushi Oka (Đại học Keio), Tomu Hirata, Shota Yasui (CyberAgent)
| Nghiên cứu này đề xuất ``cơ chế xác minh chính xác hơn tính hiệu quả của các biện pháp'' bằng cách sử dụng kỹ thuật học máy dự đoán bóng đá kèo nhà cái kinh doanh, một phương pháp gọi là "thử nghiệm ngẫu nhiên có kiểm soát (RCT)" thường được sử dụng để đo lường hiệu quả của phiếu giảm giá và các biện pháp tiếp thị Điều này bao gồm việc chia ngẫu nhiên các đối tượng thành nhiều nhóm, áp dụng các biện pháp (phương pháp điều trị) khác nhau cho mỗi nhóm và so sánh hiệu quả Tuy nhiên, trên thực tế, có những người dùng không sử dụng phiếu giảm giá ngay cả khi chúng được phân phối, do đó có những người dùng không nhận được hiệu ứng ngay cả khi chúng được phân phốidự đoán bóng đá kèo nhà cái tình huống phức tạp như vậy, chúng tôi đã đề xuất một phương pháp ước tính Hiệu quả can thiệp phân phối, thể hiện sự phân bổ hiệu quả của việc sử dụng phiếu giảm giá Điều này cho phép bạn hiểu chính xác tác dụng của phiếu giảm giá và đưa ra quyết định chính xác hơn về việc tặng chúng cho ai |
■Tương laiKết quả của nghiên cứu này dựa trên các cuộc đấu giá quảng cáo dự đoán bóng đá kèo nhà cái quảng cáo trên Internet
Đại lý giá"Phòng thí nghiệm AI" sẽ tiếp tục kết hợp công nghệ AI vào các sản phẩm để giải quyết các vấn đề kinh doanh và xã hội, đồng thời sẽ tiếp tục nỗ lực nghiên cứu và phát triển để đóng góp vào sự phát triển công nghệ và học thuật
※1 Khi bắt đầu nghiên cứu, liên kết với RIKEN, Đại học Tokyo Tại thời điểm đăng bài, thuộc về CyberAgent※2 Kết quả nghiên cứu với tư cách là người tham gia thực tập nghiên cứu Hiện đang liên kết với RIKEN
