基于人脑神经机制，将大规模语言模型分为形式与功能两类能力，评估其在语言规则与实际应用中的表现。
Kyle Mahowald, Anna A. Ivanova, Idan A. Blank 等
通过变分自编码器生成符号表达式，SEGVAE在Nguyen数据集上恢复率达65%。
Sergei Popov, Mikhail Lazarev, Vladislav Belavin 等
提出图级学习的系统分类，包括传统方法与深度学习，涵盖算法、数据集与应用。
Zhenyu Yang, Ge Zhang, Jia Wu 等
通过机制可解释性揭示grokking的连续性进展，利用傅里叶变换逆向重构模型算法。
Neel Nanda, Lawrence Chan, Tom Lieberum 等
SlideVQA利用多图像文档进行复杂推理，提出端到端模型提升数值推理能力。
Ryota Tanaka, Kyosuke Nishida, Kosuke Nishida 等
引入物理知识的核嵌入方法，提升有限样本下系统状态预测与控制效果。
Adam J. Thorpe, Cyrus Neary, Franck Djeumou 等
通过掩码级识别提高异常感知分割性能，显著减少语义边界处的误报。
Matej Grcić, Josip Šarić, Siniša Šegvić
利用激光环路闭合增强水下测绘自洽性，采用白噪声加速度先验，无需原始传感器数据。
Thomas Hitchcox, James Richard Forbes
Anonymous-FP用匿名随机游走与PV-DBOW编码分子，NCI-1准确率达95.74%。
Xue Liu, Qian Cheng, Dan Sun 等
基于e变量的e-Posterior，提供频率学风险界，安全性优于贝叶斯后验。
Peter Grünwald
提出联合字幕定位与生成（CGG）框架，显著提升开放词汇实例分割性能，novel类别提升6.8% mAP。
Jianzong Wu, Xiangtai Li, Henghui Ding 等
Muse：基于掩码生成Transformer实现高效文本到图像生成，FID达6.06。
Huiwen Chang, Han Zhang, Jarred Barber 等
使用去稀疏化LASSO进行稀疏傅里叶恢复的不确定性量化，适用于MRI。
Frederik Hoppe, Felix Krahmer, Claudio Mayrink Verdun 等
提出“真实攻击者不计算梯度”观点，强调实际攻击多采用简单策略，揭示研究与实践差距。
Giovanni Apruzzese, Hyrum S. Anderson, Savino Dambra 等
AER模型结合自动编码器和回归，提升时间序列异常检测F1分数23.5%。
Lawrence Wong, Dongyu Liu, Laure Berti-Equille 等
提出基于IAIMM-KF和MPC的多模态不确定性运动规划，提升自动驾驶安全性。
Jian Zhou, Björn Olofsson, Erik Frisk
基于预训练图像扩散模型，提出一键调优的视频生成方法Tune-A-Video，实现单个文本-视频样本的高质量视频合成。
Jay Zhangjie Wu, Yixiao Ge, Xintao Wang 等
Self-Instruct通过模型自生成指令，利用少量种子任务实现指令调优，提升GPT-3性能33%。
Yizhong Wang, Yeganeh Kordi, Swaroop Mishra 等
本文提出Transformer注意力具有梯度下降的双重形式，将ICL理解为隐式微调，验证其行为相似性。
Damai Dai, Yutao Sun, Li Dong 等
HyDE结合零样本指令引导生成与对比编码，实现无标注的高效密集检索。
Luyu Gao, Xueguang Ma, Jimmy Lin 等