提出LLaVA：结合GPT-4生成多模态指令数据的端到端大模型，达成85.1%相对GPT-4性能，科学问答准确率突破92.53%。

Haotian Liu, Chunyuan Li, Qingyang Wu 等

提出基于多视图Transformer的宽基线立体图像单帧新视角合成方法，显著提升稀疏观察下的重建质量。

Yilun Du, Cameron Smith, Ayush Tewari 等

VALOR模型通过MGA和MGC任务实现视觉、音频和语言的三模态学习。

Jing Liu, Sihan Chen, Xingjian He 等

API-Bank基准评估工具调用能力，涵盖73API，提升LLMs工具利用率。

Minghao Li, Yingxiu Zhao, Bowen Yu 等

本研究评估LLMs在任务导向对话中的表现，发现其在明确信念状态追踪方面表现不佳，但能引导对话成功，提升依赖真实信念状态和示例。

Vojtěch Hudeček, Ondřej Dušek

提出基于鲁棒UNet去噪器的零阶黑盒防御，提升高维数据性能，性能超越SOTA 35%。

Astha Verma, A V Subramanyam, Siddhesh Bangar 等

提出AGIEval基准，基于人类标准考试评估GPT-4等模型，GPT-4在SAT数学和中国高考英语中超越平均人类表现。

Wanjun Zhong, Ruixiang Cui, Yiduo Guo 等

InterGen利用扩散模型结合双人互动数据与文本指导，实现高质量多人体动作生成。

Han Liang, Wenqian Zhang, Wenxuan Li 等

评估ChatGPT在37种语言中的零样本学习表现，覆盖7项任务，发现其多语言能力仍有局限。

Viet Dac Lai, Nghia Trung Ngo, Amir Pouran Ben Veyseh 等

L3MVN利用大规模语言模型实现无监督视觉目标导航，显著提升成功率。

Bangguo Yu, Hamidreza Kasaei, Ming Cao

单门专家混合模型在效率和准确性上与复杂模型相当，且超越非混合基线。

Amelie Royer, Ilia Karmanov, Andrii Skliar 等

基于GPT-4的智能代理实现自主设计和执行复杂科学实验，成功完成催化交叉偶联反应。

Daniil A. Boiko, Robert MacKnight, Gabe Gomes

本综述系统总结深度图表示学习的架构、学习范式及应用，强调GNN创新与未来挑战。

Wei Ju, Zheng Fang, Yiyang Gu 等

StillFast为短期目标交互预测提出端到端架构，显著优于SOTA。

Francesco Ragusa, Giovanni Maria Farinella, Antonino Furnari

提出GeneRec，结合生成模型与用户指令，实现内容个性化生成，提升推荐多样性。

Wenjie Wang, Xinyu Lin, Fuli Feng 等

提出AMS-DRL算法，通过多阶段异步训练实现无人机在多追捕者环境中的安全避险。

Jiaping Xiao, Mir Feroskhan

基于大规模语言模型的生成代理架构，模拟可信人类行为，支持长时记忆与社会互动。

Joon Sung Park, Joseph C. O'Brien, Carrie J. Cai 等

基于动态平均场理论分析有限宽度神经网络的核和预测波动，揭示特征学习对方差的调控机制。

Blake Bordelon, Cengiz Pehlevan

结合Chinchilla缩放规则，训练从111M到13B参数的Cerebras-GPT，达成最优计算效率。

Nolan Dey, Gurpreet Gosal, Zhiming 等

提出基于GPT-3的零样本下一项推荐策略，利用三步提示显著提升推荐准确率。

Lei Wang, Ee-Peng Lim