提出长度校正方法，通过单词奖励解决神经机器翻译中的短句偏差和束搜索性能下降问题。
Kenton Murray, David Chiang
自动数学文字题求解器的语义解析差距调查，揭示算法在大规模数据集上的不足。
Dongxiang Zhang, Lei Wang, Luming Zhang 等
利用对抗训练揭示文本中隐含的保护属性信息，发现其难以完全去除。
Yanai Elazar, Yoav Goldberg
使用贝叶斯主动学习，通过Dropout和Bayes-by-Backprop提高NLP任务的性能。
Aditya Siddhant, Zachary C. Lipton
提出一种基于双语句嵌入的高效平行语料库挖掘方法，精度达48.9%(en-fr)。
Mandy Guo, Qinlan Shen, Yinfei Yang 等
提出CDA方法，利用因果干预降低神经NLP中的性别偏见，保持模型准确性。
Kaiji Lu, Piotr Mardziel, Fangjing Wu 等
利用WALS数据库和数据驱动方法建模语言变异，提升多语种NLP性能。
Edoardo Maria Ponti, Helen O'Horan, Yevgeni Berzak 等
提出decaNLP及多任务问答网络MQAN，显著提升多任务迁移与零样本能力。
Bryan McCann, Nitish Shirish Keskar, Caiming Xiong 等
利用CoLA数据集训练RNN模型评估句子语法合理性，性能远低于人类。
Alex Warstadt, Amanpreet Singh, Samuel R. Bowman
提出层次化神经故事生成模型，结合融合机制与多尺度自注意力，显著提升故事连贯性与相关性。
Angela Fan, Mike Lewis, Yann Dauphin
利用Luong的seq2seq模型，将非正式LaTeX数学文本自动翻译为形式化的Mizar语言，达65.73%的准确率。
Qingxiang Wang, Cezary Kaliszyk, Josef Urban
提出了一种仅基于假设的NLI基线，显著优于多数类基线。
Adam Poliak, Jason Naradowsky, Aparajita Haldar 等
提出Winogender方案，评估三系统性别偏差，发现偏向现实职业性别统计。
Rachel Rudinger, Jason Naradowsky, Brian Leonard 等
本文强调BLEU评分报告应采用WMT标准，提出SACREBLEU工具以确保参数一致性。
Matt Post
提出GLUE基准，涵盖9个NLU任务，采用多任务学习提升模型泛化能力。
Alex Wang, Amanpreet Singh, Julian Michael 等
预训练词嵌入在低资源神经机器翻译中可提升最高20 BLEU分。
Ye Qi, Devendra Singh Sachan, Matthieu Felix 等
提出一种面向长文档的抽象摘要模型，显著超越现有模型。
Arman Cohan, Franck Dernoncourt, Doo Soon Kim 等
提出用于有限词汇识别的Speech Commands数据集，包含105,829句，模型最高达88.2%准确率。
Pete Warden
利用神经网络词嵌入模型分析文化意义的几何结构，揭示类别与认知关系。
Austin C. Kozlowski, Matt Taddy, James A. Evans
提出基于网页的复杂问答框架，通过问题分解提升准确率，从20.8%到27.5%。
Alon Talmor, Jonathan Berant