采用强化学习（RL）模型AI Clinician，结合可解释界面，研究ICU中医生对败血症治疗建议的接受行为。

Venkatesh Sivaraman, Leigh A. Bukowski, Joel Levin 等

GSM-IC揭示：COT/LTM易被无关上下文干扰，SC与“忽略无关信息”指令可缓解。

Freda Shi, Xinyun Chen, Kanishka Misra 等

In-Context RALM通过预置文档提升语言模型性能，显著降低困惑度。

Ori Ram, Yoav Levine, Itay Dalmedigos 等

提出Simplex Random Features（SimRFs），通过几何相关性优化核函数逼近，显著优于正交随机特征（ORFs）

Isaac Reid, Krzysztof Choromanski, Valerii Likhosherstov 等

提出Attend-and-Excite，通过注意力引导提升文本到图像生成的语义一致性。

Hila Chefer, Yuval Alaluf, Yael Vinker 等

利用大规模语言模型（LLMs）作为多功能分解器，通过Evidence和Questions的分解提升表格推理性能，首次超越人类在TabFact上的表现。

Yunhu Ye, Binyuan Hui, Min Yang 等

Flan-T5通过混合提示设置提升性能，超越现有方法3-17%。

Shayne Longpre, Le Hou, Tu Vu 等

AdaTape通过自适应磁带令牌实现神经网络动态计算，在图像识别中表现优异。

Fuzhao Xue, Valerii Likhosherstov, Anurag Arnab 等

REPLUG通过检索增强黑箱大模型，提升GPT-3性能6.3%，实现简洁高效的检索融合。

Weijia Shi, Sewon Min, Michihiro Yasunaga 等

BLIP-2利用冻结的图像编码器和大语言模型，通过两阶段训练的Q-Former实现高效跨模态对齐，零-shot性能显著提升。

Junnan Li, Dongxu Li, Silvio Savarese 等

AudioLDM利用潜在扩散模型在单GPU上实现高质量文本到音频生成，突破以往高成本限制。

Haohe Liu, Zehua Chen, Yi Yuan 等

提出去中心化熵正则最优传输（DEOT）方法，有理论保证，适用于分布式数据比较。

Xiangfeng Wang, Hongteng Xu, Moyi Yang

本文提出将字节对编码（BPE）应用于符号音乐，显著缩短序列长度并提升模型表达能力。

Nathan Fradet, Nicolas Gutowski, Fabien Chhel 等

提出基于儿童输入的样本高效预训练方法，利用10M-100M词数据提升低资源语言模型性能。

Alex Warstadt, Leshem Choshen, Aaron Mueller 等

提出3DShape2VecSet，将点云和表面模型编码为神经场，提升3D生成与重建性能。

Biao Zhang, Jiapeng Tang, Matthias Niessner 等

MusicLM生成高保真音乐，结合文本和旋律条件，24kHz，超越现有系统。

Andrea Agostinelli, Timo I. Denk, Zalán Borsos 等

DetectGPT利用概率曲率零样本检测模型生成文本，显著提升区分能力。

Eric Mitchell, Yoonho Lee, Alexander Khazatsky 等

提出基于熵正则化的半离散最优传输映射估计，达到n^{-1/2}最小极大速率。

Aram-Alexandre Pooladian, Vincent Divol, Jonathan Niles-Weed

提出Collider Regression，利用因果图中的Collider结构改善回归泛化性能。

Shahine Bouabid, Jake Fawkes, Dino Sejdinovic

提出端到端高分辨率图像扩散模型，调整噪声调度和架构缩放，达到SOTA性能。

Emiel Hoogeboom, Jonathan Heek, Tim Salimans