STREET基准测试评估多任务推理与解释，GPT-3和T5模型仍落后于人类表现。
Danilo Ribeiro, Shen Wang, Xiaofei Ma 等
通过添加不可感知的对抗扰动，免疫图像以防止扩散模型恶意编辑。
Hadi Salman, Alaa Khaddaj, Guillaume Leclerc 等
DCMT框架提升CVR AUC 1.07%，解决选择偏差和数据稀疏问题。
Feng Zhu, Mingjie Zhong, Xinxing Yang 等
利用GPT-3（text-davinci-003）在SARA数据集上进行法条推理，结合多种提示策略，取得优于先前的结果，但仍存在明显错误。
Andrew Blair-Stanek, Nils Holzenberger, Benjamin Van Durme
本研究揭示大规模指令调控的语言模型（LLMs）具备程序化行为，易被利用进行标准安全攻击，带来双重用途风险。
Daniel Kang, Xuechen Li, Ion Stoica 等
提出ViT-22B，采用平行层、QK归一化和无偏置，训练稳定性提升，参数达22B，显著优于现有视觉模型。
Mostafa Dehghani, Josip Djolonga, Basil Mustafa 等
结合强化学习与序贯优化，实现无人交叉口安全高效通行，提升目标函数达150%。
Nishchal Hoysal G., Pavankumar Tallapragada
本论文系统综述了300余种知识图谱自动构建方法，涵盖知识获取、精炼与演化，强调深度学习与多场景应用。
Lingfeng Zhong, Jia Wu, Qian Li 等
Toolformer利用自监督学习，使大规模语言模型自主学习调用API，显著提升零-shot任务性能，参数仅6.7B。
Timo Schick, Jane Dwivedi-Yu, Roberto Dessì 等
通过权重膨胀将预训练视觉Transformer从2D适配到3D，提升医学图像分割性能，DSC提高1.95%。
Yuhui Zhang, Shih-Cheng Huang, Zhengping Zhou 等
提出Riemannian Flow Matching（RFM）框架，无需模拟，适用于复杂流形，达成高性能生成。
Ricky T. Q. Chen, Yaron Lipman
提出DSIR框架，利用哈希n-gram特征进行大规模文本数据筛选，提升下游任务表现。
Sang Michael Xie, Shibani Santurkar, Tengyu Ma 等
pix2pix-zero方法无需手动提示即可实现图像到图像翻译，保持原图结构。
Gaurav Parmar, Krishna Kumar Singh, Richard Zhang 等
提出FAEP，结合ATSP优化探索路径，显著提升未知环境无人机探索效率。
Yinghao Zhao, Li Yan, Hong Xie 等
首次提出非渐近学习界限，分析EDMD和RRR算法在Koopman算子学习中的表现。
Vladimir Kostic, Karim Lounici, Pietro Novelli 等
采用访谈法分析18名残障人士对虚拟化身的偏好，强调安全感与表达支持，提出平台设计建议。
Kelly Mack, Rai Ching Ling Hsu, Andrés Monroy-Hernández 等
提出猜测采样算法（Speculative Sampling），通过生成多重候选令牌实现对70亿参数Chinchilla模型的2-2.5倍加速，保持样本质量。
Charlie Chen, Sebastian Borgeaud, Geoffrey Irving 等
N4SR方法通过神经网络实现符号回归，在小数据集上生成物理合理的模型。
Jiří Kubalík, Erik Derner, Robert Babuška
提出ADAPT，基于Transformer的自主驾驶行为描述模型，融合控制预测与自然语言解释。
Bu Jin, Xinyu Liu, Yupeng Zheng 等
提出基于文本引导的视频生成的通用策略，利用Diffusion模型实现多任务和长远规划，显著提升泛化能力。
Yilun Du, Mengjiao Yang, Bo Dai 等