提出非凸分布式优化的双重平均算法，证明收敛速率为O(1/t)，适用于随机通信网络。
Changxin Liu, Xuyang Wu, Xinlei Yi 等
提出CRINGE损失，通过负例对比提升模型安全性和一致性，实验显示优于多项基线。
Leonard Adolphs, Tianyu Gao, Jing Xu 等
提出统一的深度匹配模型，结合Transformer实现光流、立体匹配与深度估计，显著提升性能。
Haofei Xu, Jing Zhang, Jianfei Cai 等
提出基于深度学习的时间序列异常检测模型分类体系，涵盖预测、重建、表示与混合方法。
Zahra Zamanzadeh Darban, Geoffrey I. Webb, Shirui Pan 等
提出多维分区策略优化TPU v4上大规模Transformer推理，显著提升效率。
Reiner Pope, Sholto Douglas, Aakanksha Chowdhery 等
BLOOM为176B参数的开源多语种大模型，采用Transformer架构，训练于ROOTS语料库，性能优异。
BigScience Workshop, :, Teven Le Scao 等
PASTA通过句子-表格填空预训练，利用6类操作任务，显著提升表格事实验证性能，达成85.6%准确率。
Zihui Gu, Ju Fan, Nan Tang 等
使用教师强制和课程学习提高FNO和UNet模型的准确性超过50%。
Lalit Ghule, Rishikesh Ranade, Jay Pathak
基于CFEAR的雷达里程计，融合运动补偿和多扫描匹配，实现高精度大规模定位。
Daniel Adolfsson, Martin Magnusson, Anas Alhashimi 等
Waveformer采用扩张因果卷积和Transformer，实时提取目标声源，提升SI-SNRi达3.3dB。
Bandhav Veluri, Justin Chan, Malek Itani 等
DPM-Solver++：基于数据预测的高阶快速引导采样器，15步内生成高质量图像。
Cheng Lu, Yuhao Zhou, Fan Bao 等
提出LADDER框架，自动从CTI报告中提取攻击模式，结合MITRE ATT&CK分类。
Md Tanvirul Alam, Dipkamal Bhusal, Youngja Park 等
自我纠正方法提高序列生成质量，数学程序合成正确率提升99%。
Sean Welleck, Ximing Lu, Peter West 等
SSD-LM是一种基于扩散的语言模型，在文本生成和模块化控制上表现优异。
Xiaochuang Han, Sachin Kumar, Yulia Tsvetkov
GPTQ是一种基于二阶信息的单次量化方法，可将1750亿参数模型压缩至4比特，保持高精度。
Elias Frantar, Saleh Ashkboos, Torsten Hoefler 等
CoRe方法通过合作推理提升数学题解决能力，提升9.6%。
Xinyu Zhu, Junjie Wang, Lin Zhang 等
提出自适应物理信息神经算子，最大相对误差4.5%，加速一倍。
Ivan Zanardi, Simone Venturi, Marco Panesi
本文系统综述了基于深度神经网络（DNN）求解偏微分方程（PDEs）的方法，涵盖PINNs、Neural Operators等，强调其算法机制与应用潜力。
Shudong Huang, Wentao Feng, Chenwei Tang 等
提出对比解码（Contrastive Decoding, CD），利用大模型与小模型的概率差异优化文本生成，显著提升文本质量。
Xiang Lisa Li, Ari Holtzman, Daniel Fried 等
引入6.5TB规模的DiffusionDB，分析文本提示与生成模型关系，揭示模型误差与潜在滥用。
Zijie J. Wang, Evan Montoya, David Munechika 等