提出超图对比协同过滤（HCCF），结合超图结构学习与自监督增强，提升推荐性能。
Lianghao Xia, Chao Huang, Yong Xu 等
Bamboo通过引入冗余计算提升预占实例训练大规模DNN的韧性，显著提升吞吐率和降低成本。
John Thorpe, Pengzhan Zhao, Jonathan Eyolfson 等
提出Google扫描物体数据集，包含1000+高质量3D扫描家庭用品，用于机器人模拟与视觉学习。
Laura Downs, Anthony Francis, Nate Koenig 等
本研究提出端到端Transformer模型实现符号回归，直接预测完整表达式，显著提升速度。
Pierre-Alexandre Kamienny, Stéphane d'Ascoli, Guillaume Lample 等
本研究比较反事实与因果解释在类别和连续特征中的理解效果，发现反事实提升预测准确性且受用户偏好。
Greta Warren, Mark T Keane, Ruth M J Byrne
提出自校准光照（SCI）框架，实现低光照图像快速、稳健增强，显著提升质量与效率。
Long Ma, Tengyu Ma, Risheng Liu 等
采用Transformer模型的多标签分类方法，最高F1达0.9394，处理COVID-19文献主题标注。
Qingyu Chen, Alexis Allot, Robert Leaman 等
提出sim-2-sim迁移方法，提升VLN-CE成功率12%，采用VLN BERT模型实现。
Jacob Krantz, Stefan Lee
提出基于轨迹特征的在线算法选择方法，结合热启动提升性能，使用CMA-ES及六个优化器，优于静态选择。
Ana Kostovska, Anja Jankovic, Diederick Vermetten 等
提出MIRNet-v2，利用多尺度残差块实现高精度图像修复，提升多任务性能。
Syed Waqas Zamir, Aditya Arora, Salman Khan 等
提出IMCS-21数据集，支持自动医疗咨询系统的五项任务。
Wei Chen, Zhiwei Li, Hongyi Fang 等
ELEVATER是首个评估语言增强视觉模型的基准和工具包，涵盖55个数据集和多种效率指标。
Chunyuan Li, Haotian Liu, Liunian Harold Li 等
引入IndicXNLI，基于高质量机器翻译评估11种印度语言的多语推理性能。
Divyanshu Aggarwal, Vivek Gupta, Anoop Kunchukuttan
提出基于GNN的RL方法优化张量网络收缩路径，显著优于现有技术。
Eli A. Meirom, Haggai Maron, Shie Mannor 等
STONet通过神经算子实现时空预测，提升了对未见空间点的泛化能力。
Haitao Lin, Guojiang Zhao, Lirong Wu 等
提出自混合图像(SBI)用于深伪检测，提升跨域泛化能力。
Kaede Shiohara, Toshihiko Yamasaki
提出基于场景采样的测试框架，显著提升腿式机器人安全性能验证效率。
Bowen Weng, Guillermo A. Castillo, Wei Zhang 等
提出对比式数据采集平衡ArtEmis，提升情感描述的细节与多样性。
Youssef Mohamed, Faizan Farooq Khan, Kilichbek Haydarov 等
提出一种基于树结构的混合整数规划编码方法，显著减少二进制变量数量，提升长时域复杂信号规约的效率。
Vince Kurtz, Hai Lin
提出层次化模型HULC，结合多模态变换器和对比学习，显著提升长时序机器人操控的自然语言条件下表现。
Oier Mees, Lukas Hermann, Wolfram Burgard