提出ITSA基于信息瓶颈，自动限制短路信息，提升立体匹配网络跨域泛化能力。
WeiQin Chuah, Ruwan Tennakoon, Reza Hoseinnezhad 等
研究神经网络在小算法数据集上的“grokking”现象，揭示超参数调节与泛化关系。
Alethea Power, Yuri Burda, Harri Edwards 等
提出非线性浅层自编码器的渐近解析方程，揭示其逐步学习主成分的动态机制。
Maria Refinetti, Sebastian Goldt
提出高效且统计最优的Logistic Bandit算法（ECOLog），实现线性与非线性模型的双重性能。
Louis Faury, Marc Abeille, Kwang-Sung Jun 等
提出FedLRGD算法，利用数据平滑性实现比FedAve更优的联邦优化复杂度。
Ali Jadbabaie, Anuran Makur, Devavrat Shah
提出C2-CRS，利用粗到细对比学习融合多类型外部数据以提升对话推荐效果。
Yuanhang Zhou, Kun Zhou, Wayne Xin Zhao 等
提出基于平移不变的Sinkhorn算法与一维Frank-Wolfe方法，有效加速非平衡最优传输，实验显示速度提升显著。
Thibault Séjourné, François-Xavier Vialard, Gabriel Peyré
提出ReferFormer，基于Transformer，将语言视为查询，实现视频目标的端到端分割与追踪，J&F达55.6。
Jiannan Wu, Yi Jiang, Peize Sun 等
SurfGen利用可微球面投影和对抗训练，直接优化3D表面，生成多样高保真形状。
Andrew Luo, Tianqin Li, Wen-Hao Zhang 等
基于StyleGAN2扩展的连续视频生成模型StyleGAN-V，能在保持高图像质量的同时实现任意长度与帧率的视频生成。
Ivan Skorokhodov, Sergey Tulyakov, Mohamed Elhoseiny
提出AIS评估框架，利用两阶段标注验证NLG模型输出的可归因性，适用于多任务。
Hannah Rashkin, Vitaly Nikolaev, Matthew Lamm 等
SLIP结合自监督与语言-图像预训练，提升ImageNet线性准确率8.1%。
Norman Mu, Alexander Kirillov, David Wagner 等
OpenSeg利用图像级标签实现开放词汇图像分割，mIoU提升19.9。
Golnaz Ghiasi, Xiuye Gu, Yin Cui 等
GOAL采用GNet和MNet生成全身4D运动，实现未知物体的逼真抓握，性能优于基线，展现良好泛化能力。
Omid Taheri, Vasileios Choutas, Michael J. Black 等
本研究提出无监督学习方法，通过多视角视频自动发现未知关节结构，实现多类别可重定位的3D关节重建。
Atsuhiro Noguchi, Umar Iqbal, Jonathan Tremblay 等
Mega-NeRF通过分区训练和时间一致性实现大规模NeRF的快速渲染，PSNR提升12%。
Haithem Turki, Deva Ramanan, Mahadev Satyanarayanan
通过增量学习和回顾经验重放证明定理，超越TPTP数据集上的传统证明器。
Eser Aygün, Laurent Orseau, Ankit Anand 等
GAMMA通过身体表面标记生成多样化3D人体的真实运动，提升运动控制和场景接触。
Yan Zhang, Siyu Tang
提出MaskFeat，通过随机掩码视频区域预测HOG特征，在Kinetics-400上达86.7%准确率，显著优于以往方法。
Chen Wei, Haoqi Fan, Saining Xie 等
提出L2P方法，利用动态提示池实现无任务识别的连续学习，超越传统缓冲方法。
Zifeng Wang, Zizhao Zhang, Chen-Yu Lee 等