提出GOT-D基于最优传输的预调优数据选择方法，有效提升模型性能。
Feiyang Kang, Hoang Anh Just, Yifan Sun 等
GPTZero+匹配研究：ICLR 2024至少15.8%评审受AI辅助
Giuseppe Russo Latona, Manoel Horta Ribeiro, Tim R. Davidson 等
提出多目标策略学习方法，通过最大化北极星奖励的保守下界，优化连续多变量策略。
Olivier Jeunen, Jatin Mandav, Ivan Potapov 等
基础模型提升时间序列分析，解决跨任务迁移问题。
Jiexia Ye, Yongzi Yu, Weiqi Zhang 等
Torch2Chip以“双路径”打通自定义压缩到硬件部署，MobileNet-V1在CIFAR-10/100达94.37%/74.29%。
Jian Meng, Yuan Liao, Anupreetham Anupreetham 等
本研究综述了大规模语言模型在金融、医疗和法律中的应用、方法及伦理挑战。
Zhiyu Zoey Chen, Jing Ma, Xinlu Zhang 等
本研究分析五大生成式语言模型在教育场景中的偏见表现，揭示代表性伤害类型及其心理影响。
Faye-Marie Vassel, Evan Shieh, Cassidy R. Sugimoto 等
Prometheus 2通过模型权重融合，提升开源评估模型与人类和GPT-4的相关性，涵盖直接评估与配对排序。
Seungone Kim, Juyoung Suk, Shayne Longpre 等
MANTIS通过指令微调提升多图像视觉语言能力，平均提升13点。
Dongfu Jiang, Xuan He, Huaye Zeng 等
WildChat收集了100万用户与ChatGPT的多轮多语对话，揭示真实使用场景和毒性问题。
Wenting Zhao, Xiang Ren, Jack Hessel 等
提出大规模表格基础模型（LTM），强调其在多领域的潜在应用与研究价值。
Boris van Breugel, Mihaela van der Schaar
EchoScene利用双分支扩散模型在场景图上生成3D室内场景，提升控制性与一致性。
Guangyao Zhai, Evin Pınar Örnek, Dave Zhenyu Chen 等
提出基于雷达的AGV定位系统，包括高精度雷达里程计和场所识别，精度与激光雷达相当。
Andrew J. Kramer, Christoffer Heckman
通过蒙特卡洛树搜索和迭代偏好学习提升大语言模型推理能力，准确率提高到81.8%。
Yuxi Xie, Anirudh Goyal, Wenyue Zheng 等
采用Dreamer-v3通过触觉传感器实现机器人自主插入任务，提升成功率。
Daniel Palenicek, Theo Gruner, Tim Schneider 等
基于Kolmogorov-Arnold定理的KAN，替代MLP，参数为可学习样条函数，提升准确性与可解释性。
Ziming Liu, Yixuan Wang, Sachin Vaidya 等
提出DOCCI数据集，含15k高细节描述，提升图像描述与生成性能。
Yasumasa Onoe, Sunayana Rane, Zachary Berger 等
提出多-token预测方法，在训练和推理中显著提升大规模语言模型的样本效率和推理速度，13B模型在代码任务中性能提升12%。
Fabian Gloeckle, Badr Youbi Idrissi, Baptiste Rozière 等
GS-LRM是一种基于Transformer的高效大规模3D高斯原语重建模型，能在0.23秒内从2-4张稀疏视角图像中重建高质量场景。
Kai Zhang, Sai Bi, Hao Tan 等
提出QGSO自动设计复合透镜系统，结合OptiFusion与EPJO实现全局优化。
Yao Gao, Qi Jiang, Shaohua Gao 等