提出“Adaptive MB”方法，考虑残差的“模态差”，在点云配准和姿态平均中提升鲁棒性和收敛速度。

Thomas Hitchcox, James Richard Forbes

提出VectorMapNet，端到端预测稀疏多段线实现高清地图向量化，超越SOTA 14.2 mAP。

Yicheng Liu, Tianyuan Yuan, Yue Wang 等

UNIFIED-IO通过将多模态输入输出序列化为离散词汇，实现一架构支持视觉、语言及多模态任务，训练于90余数据集。

Jiasen Lu, Christopher Clark, Rowan Zellers 等

利用大模型（如GPT-3）指导遗传编程中的变异操作，生成Python机器人程序，推动开源式创新。

Joel Lehman, Jonathan Gordon, Shawn Jain 等

提出结合轨迹规划与控制预测的端到端自动驾驶基线，单摄像头下在CARLA排行榜第一，性能优异。

Penghao Wu, Xiaosong Jia, Li Chen 等

提出一种同时适应随机与对抗性图反馈的多臂赌博机算法，实现在两类环境下的最优或近优回报，突破了以往只针对单一环境的限制。

Fang Kong, Yichi Zhou, Shuai Li

RaMViD用随机掩码扩散，BAIR/Kinetics-600创SOTA。

Tobias Höppe, Arash Mehrjou, Stefan Bauer 等

通过数据依赖初始化加速Sinkhorn算法，提升效率无损可微性。

James Thornton, Marco Cuturi

ProcTHOR通过程序生成虚拟环境，训练无映射、无监督模型在6项基准测试中实现SOTA。

Matt Deitke, Eli VanderBilt, Alvaro Herrasti 等

CERT以草图—生成器提升库代码生成，PandasEval pass@1达28.42%。

Daoguang Zan, Bei Chen, Dejian Yang 等

通过行为克隆微调大模型生成自然语言批评，提升人类评估效率。

William Saunders, Catherine Yeh, Jeff Wu 等

提出RFedSVRG算法，解决非凸约束下的联邦学习，收敛速度达O(1/ε²)，在Riemannian流形上实现。

Jiaxiang Li, Shiqian Ma

利用元优化（Meta OT）通过学习预测最优传输映射，有效提升多次相似OT问题的求解速度，显著减少计算时间。

Brandon Amos, Samuel Cohen, Giulia Luise 等

通过课程引导的贝叶斯强化学习实现ROI约束竞价，提升学习效率和稳定性。

Haozhe Wang, Chao Du, Panyan Fang 等

提出一种基于最远答案的ε-最优答案识别算法，优化线性带宽问题的样本复杂度。

Marc Jourdan, Rémy Degenne

TVflowNET通过无监督学习加速全变差流的求解，显著提高计算效率。

Tamara G. Grossmann, Sören Dittmer, Yury Korolev 等

提出概念相关传播（CRP）方法，结合局部与全局XAI，提升模型解释的可理解性。

Reduan Achtibat, Maximilian Dreyer, Ilona Eisenbraun 等

提出“神经元划分”分析，证明中等参数网络的早期快速收敛及全局收敛，突破极端过参数化限制。

Mingze Wang, Chao Ma

提出PIDNet，结合PID控制思想，采用三分支架构实现实时语义分割，精度优于同速模型。

Jiacong Xu, Zixiang Xiong, Shankar P. Bhattacharyya

Neural replicator dynamics (NeuRD) is an alternative to the foundational softmax policy gradient (SPG) algorithm motivated by online learning and evolutionary game theory. The NeuRD expected update is

Dustin Morrill, Esra'a Saleh, Michael Bowling 等