提出基于4D卷积Swin Transformer的成本聚合网络VAT，用于少样本分割，显著提升性能。
Sunghwan Hong, Seokju Cho, Jisu Nam 等
CodeT利用预训练模型自动生成测试用例，通过双重执行一致性显著提升代码解决方案选择性能。
Bei Chen, Fengji Zhang, Anh Nguyen 等
提出RAVOS，结合深度运动建模，实现视频目标分割，达86.1 J&F，42 FPS。
Bo Miao, Mohammed Bennamoun, Yongsheng Gao 等
提出基于离散扩散模型的非自回归文本声生成框架Diffsound，实现更快更优的声音合成。
Dongchao Yang, Jianwei Yu, Helin Wang 等
提出基于Actor-Critic的非正规强化学习算法，能在未知MDP中结合多控制器优化性能。
Mohammadi Zaki, Avinash Mohan, Aditya Gopalan 等
本研究揭示SGD在学习稀疏奇偶问题中，靠 Fourier 谱隙逐步放大稀疏特征，接近计算极限。
Boaz Barak, Benjamin L. Edelman, Surbhi Goel 等
通过计算有限群的扭曲球面函数，构建高度对称的线系统，提升d=10,11,14的接触数下限。
Mikhail Ganzhinov
提出ST-P3端到端视觉自主驾驶模型，融合空间-时间特征，显著提升性能。
Shengchao Hu, Li Chen, Penghao Wu 等
XMem结合多层次记忆模型实现长视频目标分割，显著优于现有方法。
Ho Kei Cheng, Alexander G. Schwing
提出自信自适应语言建模（CALM），在减少计算量的同时保持高性能，速度提高达3倍。
Tal Schuster, Adam Fisch, Jai Gupta 等
RMT通过记忆增强长序列处理，超越Transformer-XL。
Aydar Bulatov, Yuri Kuratov, Mikhail S. Burtsev
提出统一的2D和3D分子预训练模型，显著提升分子性质预测性能。
Jinhua Zhu, Yingce Xia, Lijun Wu 等
提出BM3模型，通过自监督学习利用多模态信息，显著提升大规模推荐系统性能，训练时间缩短2-9倍。
Xin Zhou, Hongyu Zhou, Yong Liu 等
语言模型能自评答案准确性，P(True)和P(IK)方法验证有效。
Saurav Kadavath, Tom Conerly, Amanda Askell 等
基于控制屏障函数(CBF)的多智能体碰撞避免策略，研究不稳定性带来的活性提升，验证了PCCA在安全与效率间的平衡。
Mrdjan Jankovic, Mario Santillo, Yan Wang
结合预训练大模型的上下文学习和草稿提示，显著提升长度泛化能力。
Cem Anil, Yuhuai Wu, Anders Andreassen 等
提出PPD训练CNF在流形上，避免ODE求解，提升高维表现。
Heli Ben-Hamu, Samuel Cohen, Joey Bose 等
提出CausalAgents基准，通过删除非因果代理评估运动预测模型鲁棒性，观察25-38%的minADE变化。
Rebecca Roelofs, Liting Sun, Ben Caine 等
提出MSBReg，结合延迟参数嵌入、多视角、奇异值和布朗运动实现自监督学习，显著提升图像分类性能。
Suhong Moon, Domas Buracas, Seunghyun Park 等
基于分布神经网络的电价概率预测，采用正态和Johnson's SU分布，显著优于传统方法。
Grzegorz Marcjasz, Michał Narajewski, Rafał Weron 等