提出DPM-Solver，基于ODE解析快速采样，仅需10-20步实现高质量生成。
Cheng Lu, Yuhao Zhou, Fan Bao 等
提出DepthShrinker，通过移除激活函数并融合层，提升紧凑网络硬件利用率，性能优于SOTA方法。
Yonggan Fu, Haichuan Yang, Jiayi Yuan 等
提出基于Farkas引理的证据生成机制，增强Simplex方法的DNN验证的可靠性。
Omri Isac, Clark Barrett, Min Zhang 等
提出了一种通用延迟反馈模型(GDFM)，在推荐系统中提高了转化率预测的及时性。
Jia-Qi Yang, De-Chuan Zhan
本文提出扩散模型设计空间框架，优化采样与训练，提升CIFAR-10 FID至1.79，采样速度快至35次评估。
Tero Karras, Miika Aittala, Timo Aila 等
CoNSoLe通过双凸深度Q学习和局部凸方程学习器实现符号回归，提升精度。
Haoran Li, Yang Weng, Hanghang Tong
TransFuser利用多尺度Transformer融合图像与LiDAR，显著提升复杂场景中的自主驾驶性能。
Kashyap Chitta, Aditya Prakash, Bernhard Jaeger 等
SymFormer使用Transformer架构实现符号回归，推理速度快且精度高。
Martin Vastl, Jonáš Kulhánek, Jiří Kubalík 等
提出后验概念瓶颈模型（PCBM），无需密集标注即可提升模型可解释性与性能。
Mert Yuksekgonul, Maggie Wang, James Zou
论文将Φ-Hedge高效化为EFG中的OMD，并以Balanced EFCE-OMD达到近最优的\tilde{O}(√XAT)带反馈遗憾。
Yu Bai, Chi Jin, Song Mei 等
大步长GD可逃离局部极小值并优于小步长
Amirkeivan Mohtashami, Martin Jaggi, Sebastian Stich
提出Hilbert曲线投影距离（HCP）衡量高维概率分布差异，具有低复杂度和良好性能。
Tao Li, Cheng Meng, Hongteng Xu 等
提出连续时间离散去噪模型框架，利用CTMC实现高效训练与采样。
Andrew Campbell, Joe Benton, Valentin De Bortoli 等
提出一种基于留一法的奇异子空间扰动界限，用于提升谱聚类在混合模型中的性能分析。
Anderson Y. Zhang, Harrison H. Zhou
两层ReLU神经网络在教师-学生模型中超越核方法，达到近似全局最优。
Shunta Akiyama, Taiji Suzuki
EfficientViT通过多尺度线性注意力实现高分辨率密集预测，GPU延迟减少13.9倍。
Han Cai, Junyan Li, Muyan Hu 等
GPT-3模型通过自然语言表达不确定性，使用CalibratedMath测试校准效果。
Stephanie Lin, Jacob Hilton, Owain Evans
Diffusion-LM通过连续扩散模型显著提升文本生成的可控性，超越现有方法。
Xiang Lisa Li, John Thickstun, Ishaan Gulrajani 等
FlashAttention：基于IO感知的高效精确注意力算法，显著减少内存访问，提高训练速度。
Tri Dao, Daniel Y. Fu, Stefano Ermon 等
通过再生核希尔伯特空间中的Koopman算子回归学习动态系统，实验表明RRR优于其他估计器。
Vladimir Kostic, Pietro Novelli, Andreas Maurer 等