提出谱带算法（SpectralUCB和SpectralTS）解决图上平滑函数的带宽问题，利用有效维度实现低调控。
Tomáš Kocák, Michal Valko, Rémi Munos 等
URGE算法通过Girsanov估计实现无偏重采样，提升扩散模型生成质量。
Chenyang Wang, Weizhong Wang, Yinuo Ren 等
提出基于高维中心极限定理的熵正则化Q学习高阶高斯逼近，收敛速率为n^{-1/4}
Artemy Rubtsov, Rahul Singh, Eric Moulines 等
使用nonconform包在Python中实现保序异常检测，提供统计校准的p值。
Oliver Hennhöfer, Maximilian Kirsch, Christine Preisach
提出了一种基于模型的自举方法，用于有限控制马尔可夫链，提升了置信区间的覆盖率。
Ziwei Su, Imon Banerjee, Diego Klabjan
提出了一种新的顺序超样本框架，使用顺序CMI控制泛化间隙。
Futoshi Futami, Masahiro Fujisawa
提出ZoomSIB-UCB算法，解决单指标bandit问题，达到最优后悔率O(T^{2/3})。
Devdan Dey, Sujoy Bhore, Avishek Ghosh
CONTRA利用正则流映射高维预测区域，保证覆盖率且区域更紧凑。
Zhenhan Fang, Aixin Tan, Jian Huang
提出MIRA评分，用于评估条件分布的准确性和模型比较，基于样本统计分析。
Sammy Sharief, Justine Zeghal, Gabriel Missael Barco 等
基于散度的方法在小样本情况下优于传统模型加权方法。
Olav Benjamin Vassend
提出切片正则最优传输（SROT），利用平滑化的切片OT计划提升OT逼近精度。
Khai Nguyen
CLVAE模型通过变分自编码器实现长远客户收入预测，提升精度。
Jeffrey Näf, Riana Valera Mbelson, Markus Meierer
混合隶属子高斯模型通过允许观测属于多个成分，解决了经典高斯混合模型的局限性。
Huan Qing
WassersteinGrad通过计算熵Wasserstein重心来解释动态物理场预测，提升天气预报的自回归模型解释性。
Younes Essafouri, Laure Raynaud, Luciano Drozda 等
FedSPDnet通过ProjAvg和RLAvg策略在EEG数据集上表现优于传统方法，提升F1分数和鲁棒性。
Thibault Pautrel, Florent Bouchard, Ammar Mian 等
SQUEAK算法通过未归一化的岭杠杆分数实现核岭回归的低空间复杂度。
Daniele Calandriello, Alessandro Lazaric, Michal Valko
可塑拒绝采样（PRS）通过核估计学习采样提议，保证高概率独立同分布采样。
Akram Erraqabi, Michal Valko, Alexandra Carpentier 等
通过影响函数梯度实现凹统计效用最大化的多臂老虎机算法。
Matías Carrasco, Alejandro Cholaquidis
通过居中和奇异值阈值法快速估计高斯混合模型的成分数，无需迭代。
Huan Qing
重新审视主动顺序预测驱动的均值估计，发现最小置信区间宽度在常数概率权重接近1时出现。
Maria-Eleni Sfyraki, Jun-Kun Wang