采用单轮辩论策略训练模型，未显著提升人类答题准确率，文本片段提供效果优于辩论式解释。
Alicia Parrish, Harsh Trivedi, Ethan Perez 等
提出线性时间算法计算B样条基函数的Bernstein-Bézier系数，优化复杂度。
Filip Chudy, Paweł Woźny
提出改进梯度评估的分层最优潮流算法，提升电压安全性和计算效率。
Heng Liang, Xinyang Zhou, Changhong Zhao
提出NAFNet，无需非线性激活函数，超越SOTA，PSNR在GoPro达33.69dB，成本仅8.4%。
Liangyu Chen, Xiaojie Chu, Xiangyu Zhang 等
LaF：无标注模型选择方法，基于贝叶斯推断，提升模型性能评估。
Qiang Hu, Yuejun Guo, Maxime Cordy 等
基于扭矩控制的机器人手，利用纯触觉实现无视觉的旋转任务，训练用时600CPU小时。
Leon Sievers, Johannes Pitz, Berthold Bäuml
UniCL方法在图像-文本-标签空间实现统一对比学习，零样本识别提升14.5%。
Jianwei Yang, Chunyuan Li, Pengchuan Zhang 等
提出视频扩散模型，结合3D U-Net架构，实现高质量长视频生成。
Jonathan Ho, Tim Salimans, Alexey Gritsenko 等
提出开源视觉地理定位基准框架，分析不同组件对性能和资源的影响。
Gabriele Berton, Riccardo Mereu, Gabriele Trivigno 等
采用问卷调查分析UX从业者合作中的数据合并难题，发现资源不足与意见分歧是主要挑战。
Emily Kuang, Xiaofu Jin, Mingming Fan
提出ObjectFolder 2.0，基于隐式神经表示的多感官虚拟物体数据集，规模扩大十倍，支持Sim2Real迁移。
Ruohan Gao, Zilin Si, Yen-Yu Chang 等
采用Pathways系统训练的5400亿参数PaLM模型，显著提升少样学习性能，突破多项自然语言任务的SOTA。
Aakanksha Chowdhery, Sharan Narang, Jacob Devlin 等
提出了一种基于Transformer的自回归3D形状生成方法，通过语义对齐的形状组合序列实现高效生成。
An-Chieh Cheng, Xueting Li, Sifei Liu 等
本综述系统总结了基于图神经网络（GNN）和传统方法的静态与动态图嵌入技术，涵盖300余篇论文，分析其优缺点。
Shima Khoshraftar, Aijun An
本研究评估了Nomon界面在噪声单开关用户中的性能，显示其在长时间任务中优于行列扫描。
Nicholas Bonaker, Emli-Mari Nel, Keith Vertanen 等
ESCM$^2$模型通过反事实风险最小化解决CVR估计偏差，显著提高推荐系统性能。
Hao Wang, Tai-Wei Chang, Tianqiao Liu 等
提出了一种物理引导的神经算子学习方法，能从数字图像相关测量中预测生物组织的位移场，性能优于传统模型。
Huaiqian You, Quinn Zhang, Colton J. Ross 等
GraftNet结合大规模预训练特征与浅层变换显著提升跨域立体匹配泛化能力。
Biyang Liu, Huimin Yu, Guodong Qi
t5x和seqio实现大规模模型训练，支持数百亿参数和TB级数据。
Adam Roberts, Hyung Won Chung, Anselm Levskaya 等
提出位置偏差双重鲁棒估计，显著降低方差，提升无偏学习排序性能。
Harrie Oosterhuis