GPT-Driver利用GPT-3.5将运动规划转化为语言模型，实现在nuScenes数据集上优异表现，误差仅0.84米。

Jiageng Mao, Yuxi Qian, Junjie Ye 等

DriveGPT4结合多模态大语言模型，实现端到端可解释的自主驾驶，利用BDD-X数据集进行训练，显著优于现有方法。

Zhenhua Xu, Yujia Zhang, Enze Xie 等

PECORE框架量化神经机器翻译中的上下文依赖合理性，结合模型内部机制识别上下文敏感目标词。

Gabriele Sarti, Grzegorz Chrupała, Malvina Nissim 等

深度学习中的模块化：数据、任务和模型的模块化方法综述。

Haozhe Sun, Isabelle Guyon

利用e值衡量交换性和群不变性的证据，结合蒙特卡洛计算和最优设计。

Nick W. Koning

提出RoG方法，将大规模语言模型（LLMs）与知识图谱（KGs）结合，通过规划-检索-推理框架实现可信且可解释的推理，显著提升KG问答性能。

Linhao Luo, Yuan-Fang Li, Gholamreza Haffari 等

提出DAEMON，通过序列能量函数优化解码分布，提升与人类文本的多方面一致性。

Haozhe Ji, Pei Ke, Hongning Wang 等

RoleLLM通过四阶段框架提升大模型角色扮演能力，生成RoleBench数据集。

Zekun Moore Wang, Zhongyuan Peng, Haoran Que 等

提出Gradient Refined Proposal的简易拒绝采样基线，提升接受率达7.3倍。

Edward Raff, Mark McLean, James Holt

Corex通过多模型合作（讨论、审查、检索）显著提升复杂推理性能，实验证明优于现有方法。

Qiushi Sun, Zhangyue Yin, Xiang Li 等

LVD利用大语言模型生成动态场景布局，结合无训练指导的扩散模型实现高质量视频生成。

Long Lian, Baifeng Shi, Adam Yala 等

通过GPT-4V(ision)分析多模态模型能力，揭示其在多领域任务中的表现和潜力。

Zhengyuan Yang, Linjie Li, Kevin Lin 等

提出一种通用语音增强模型USES，独立于麦克风通道、信号长度和采样频率，显著提升多条件下性能。

Wangyou Zhang, Kohei Saijo, Zhong-Qiu Wang 等

提出RIS-CQ基准和DUMOGA模型，提升复杂语义理解和目标定位性能。

Wei Ji, Li Li, Hao Fei 等

DeltaXplainer通过决策规则动态解释模型差异，提升模型选择和监控效率。

Adam Rida, Marie-Jeanne Lesot, Xavier Renard 等

提出HoloAssist，基于多模态数据的协作任务数据集，用于增强交互式AI助手能力。

Xin Wang, Taein Kwon, Mahdi Rad 等

提出COBBLER基准评估大语言模型作为偏见检测工具，发现模型存在显著偏见。

Ryan Koo, Minhwa Lee, Vipul Raheja 等

DreamGaussian利用生成式高斯点云实现高效3D内容生成，2分钟内生成高质量带纹理网格。

Jiaxiang Tang, Jiawei Ren, Hang Zhou 等

提出ConceptGraphs，基于多视角融合的开放词汇3D场景图，用于机器人感知与规划。

Qiao Gu, Alihusein Kuwajerwala, Sacha Morin 等

Qwen系列语言模型在多项任务中表现优异，特别是Qwen-Chat使用RLHF技术。

Jinze Bai, Shuai Bai, Yunfei Chu 等