iBOT利用在线分词器进行掩码图像建模，达成82.3%线性探测精度。
Jinghao Zhou, Chen Wei, Huiyu Wang 等
提出CLUE模型，基于对比学习实现大规模用户表示，验证其在推荐任务中的优越性。
Kyuyong Shin, Hanock Kwak, Su Young Kim 等
提出RSE-RL模型，利用变分自编码器和软演员-评论家策略，递归提升图像质量，优于传统方法。
Chandrajit Bajaj, Yi Wang, Yunhao Yang
提出同时压缩与校正共现矩阵的EN和PALM方法，提升大词汇量主题推断的鲁棒性。
Moontae Lee, Sungjun Cho, Kun Dong 等
比较DeepONet与FNO的性能，开发实用扩展，验证复杂几何与噪声鲁棒性。
Lu Lu, Xuhui Meng, Shengze Cai 等
提出GRCN，通过结构自适应修正图中的噪声边，提升多媒体推荐性能。
Wei Yinwei, Wang Xiang, Nie Liqiang 等
提出适应偏差的固定置信Linear Top-m识别算法，样本复杂度匹配下界。
Clémence Réda, Andrea Tirinzoni, Rémy Degenne
利用大规模预训练语言模型如BERT，通过微调、提示和文本生成方法提升NLP任务性能。
Bonan Min, Hayley Ross, Elior Sulem 等
提出在线RKHS元素置信区间紧界，改善现有界限以提升核方法的渐近性能。
Sattar Vakili, Jonathan Scarlett, Tara Javidi
提出Scatterbrain，通过局部敏感哈希和核特征映射实现稀疏+低秩注意力近似，误差低于基线2.1倍。
Beidi Chen, Tri Dao, Eric Winsor 等
提出MEST框架，结合弹性突变与软记忆边界，实现边缘设备高效稀疏训练，提升准确率与速度。
Geng Yuan, Xiaolong Ma, Wei Niu 等
提出线性状态空间层（LSSL），融合RNN、卷积和连续时间模型，提升长序列建模能力。
Albert Gu, Isys Johnson, Karan Goel 等
提出基于Wasserstein距离的无监督市场状态聚类算法，显著优于传统方法。
Blanka Horvath, Zacharia Issa, Aitor Muguruza
提出三路径网络（TADRN）用于时域自适应阵列语音增强，利用自注意力实现麦克风顺序和数量不变。
Ashutosh Pandey, Buye Xu, Anurag Kumar 等
M2CP多模态半监督框架在ModelNet40上仅2%标注即达79.86%准确率。
Zhimin Chen, Longlong Jing, Yang Liang 等
基于特征特征值分析，揭示经典多维尺度法在非欧几里得距离下的失效机制。
Rishi Sonthalia, Gregory Van Buskirk, Benjamin Raichel 等
提出基于高斯过程的计算图补全框架，解决多物理、多尺度依赖问题。
Houman Owhadi
提出贝叶斯因果推断方法，解决干扰、治疗不依从和缺失结果问题。
Yuki Ohnishi, Arman Sabbaghi
基于HRNet的自监督单目深度估计网络DIFFNet，通过内部特征融合与注意力机制提升KITTI性能。
Hang Zhou, David Greenwood, Sarah Taylor
StyleNeRF结合NeRF与风格生成，实现高分辨率、多视角一致的3D感知图像合成。
Jiatao Gu, Lingjie Liu, Peng Wang 等