OPTIMIS方法在高维SRAM评估中提高了3.5倍效率和3倍准确性。
Yanfang Liu, Guohao Dai, Wei W. Xing
提出ADTrans框架，通过语义原型学习解决PSG中的偏差问题，显著提升性能。
Li Li, Wei Ji, Yiming Wu 等
论文系统梳理RLHF三阶段局限，指出人类反馈、奖励模型与策略优化均非安全保证。
Stephen Casper, Xander Davies, Claudia Shi 等
PointOdyssey利用真实运动捕捉数据构建长视频点追踪大规模合成数据集，提升长时细粒度追踪性能。
Yang Zheng, Adam W. Harley, Bokui Shen 等
本文揭示推荐系统离线评估中的四大常见缺陷，强调其对模型性能的误导。
Balázs Hidasi, Ádám Tibor Czapp
提出RRTF框架提升PanGu-Coder2，达62.20% pass@1，超越所有公开模型。
Bo Shen, Jiaxin Zhang, Taihong Chen 等
提出Skill-it技能框架，通过技能顺序优化语言模型训练，提升数据效率。
Mayee F. Chen, Nicholas Roberts, Kush Bhatia 等
提出基于触觉感知的深度强化学习推杆策略，训练在模拟环境中实现，能泛化到未知物体和复杂场景。
Max Yang, Yijiong Lin, Alex Church 等
提出基于Yule-Simon分布的个性化位置偏差模型C-3PO，用于短视频推荐，提升曝光估计准确性。
Olivier Jeunen
提出QuIP方法，通过无关性预处理实现2比特大模型量化，理论保证与实验证明效果优越。
Jerry Chee, Yaohui Cai, Volodymyr Kuleshov 等
提出LLM-Rec，利用四种提示策略增强文本推荐，显著提升性能。
Hanjia Lyu, Song Jiang, Hanqing Zeng 等
提出RippleEdits基准，评估知识编辑的涟漪效应，发现现有方法未能保持一致性。
Roi Cohen, Eden Biran, Ori Yoran 等
WebAgent结合HTML-T5规划摘要与Flan-U-PaLM编程，在真实网站成功率提升超50%。
Izzeddin Gur, Hiroki Furuta, Austin Huang 等
提出CLIP-KD，通过特征对齐和对比学习提升小模型性能，最大化教师与学生特征相似性。
Chuanguang Yang, Zhulin An, Libo Huang 等
利用OpenPose和CNN检测考试中学生交换物品的Suspicious行为，关键指标包括手臂角度和持续时间。
Reuben Moyo, Stanley Ndebvu, Michael Zimba 等
Jina Embeddings模型通过对比训练在MTEB上表现优异。
Michael Günther, Louis Milliken, Jonathan Geuter 等
提出FLASK，基于技能集的细粒度LLM评估方法，显著提升解释性和可靠性。
Seonghyeon Ye, Doyoung Kim, Sungdong Kim 等
基于核方法的非线性元学习，保证任务数N下的收敛速度提升。
Dimitri Meunier, Zhu Li, Arthur Gretton 等
本研究构建了NLP研究领域的分类体系，分析了80,000篇论文的趋势，发现语言模型和责任伦理为未来重点。
Tim Schopf, Karim Arabi, Florian Matthes
提出DNA-Rendering，包含1500+人类样本和6700万帧，提升人类渲染多样性与精度。
Wei Cheng, Ruixiang Chen, Wanqi Yin 等