提出Nash-MTL，将梯度组合视为讨价还价游戏，达成比例公平，提升多任务学习性能。
Aviv Navon, Aviv Shamsian, Idan Achituve 等
提出局部典型采样，基于信息内容控制生成文本质量，减少重复。
Clara Meister, Tiago Pimentel, Gian Wiher 等
通过分析非高斯输入的高阶统计，展示全连接网络可自主学习卷积结构，形成空间平铺的局部感受野。
Alessandro Ingrosso, Sebastian Goldt
StyleGAN-XL通过Projected GAN策略成功在ImageNet上训练，生成1024²分辨率图像。
Axel Sauer, Katja Schwarz, Andreas Geiger
提出因果充分与反事实解释，结合结构模型提升XAI的行动导向性。
Sander Beckers
提出functa框架，将数据点表示为神经隐函数，支持多模态深度学习任务。
Emilien Dupont, Hyunjik Kim, S. M. Ali Eslami 等
提出基于贪心路径追踪的后训练量化方法GPFQ，误差在多种输入分布和架构中具有理论保证。
Jinjie Zhang, Yixuan Zhou, Rayan Saab
ShapeFormer利用稀疏表示的Transformer生成高质量3D形状补全，优于现有方法。
Xingguang Yan, Liqiang Lin, Niloy J. Mitra 等
提出基于多尺度注意机制的语义引导视觉场所识别算法，显著提升性能。
Valerio Paolicelli, Antonio Tavera, Carlo Masone 等
基于最优传输的UOT-Pooling层，统一多场景全局池化，提升模型性能。
Minjie Cheng, Hongteng Xu
提出基于衍射的全光相位成像网络，利用深度学习设计被动光学层，实现相位到强度的转换，简化传统系统。
Deniz Mengu, Aydogan Ozcan
提出目标条件强化学习（GCRL）中的关键挑战与算法，强调目标表示与样本效率提升。
Minghuan Liu, Menghui Zhu, Weinan Zhang
提出Co-12属性体系，系统评估300+论文中的可解释性方法，强调量化指标的重要性。
Meike Nauta, Jan Trienes, Shreyasi Pathak 等
使用Transformer模型设计新蛋白质，提升功能预测准确率。
Noelia Ferruz, Birte Höcker
提出CoAuthor数据集，分析GPT-3在协作写作中的语言、创意和合作能力。
Mina Lee, Percy Liang, Qian Yang
提出COLD基准，包含37,480句中文攻击性语料，开发COLDETECTOR实现81%准确率。
Jiawen Deng, Jingyan Zhou, Hao Sun 等
提出多分辨率哈希编码，显著提升神经图形原语训练与渲染速度，质量优异。
Thomas Müller, Alex Evans, Christoph Schied 等
DeepSpeed-MoE通过创新架构和模型压缩，实现MoE模型训练和推理的高效化，推理速度提升4.5倍，成本降低9倍。
Samyam Rajbhandari, Conglong Li, Zhewei Yao 等
提出基于物理约束的对抗攻击，提升轨迹预测误差150%，验证其对自动驾驶安全的潜在威胁。
Qingzhao Zhang, Shengtuo Hu, Jiachen Sun 等
LSeg模型通过语言驱动的语义分割，在零样本场景中实现了52.3%的mIoU，超越现有方法。
Boyi Li, Kilian Q. Weinberger, Serge Belongie 等