RnG-KBQA结合排序与生成，显著提升知识库问答的零-shot和泛化能力。
Xi Ye, Semih Yavuz, Kazuma Hashimoto 等
ActionCLIP通过视频文本匹配实现零-shot动作识别，Kinetics-400达83.8%准确率。
Mengmeng Wang, Jiazheng Xing, Yong Liu
ThriftyDAgger通过预算感知的新颖性和风险门控提高模仿学习效率，提升了58%的性能。
Ryan Hoque, Ashwin Balakrishna, Ellen Novoseller 等
HM3D是包含1000个大型真实室内场景的高保真3D数据集，显著优于现有数据集，提升AI导航性能。
Santhosh K. Ramakrishnan, Aaron Gokaslan, Erik Wijmans 等
DAQA结合符号和深度学习方法，实现可解释性和通用性。
Kwabena Nuamah
提出ObjectFolder，结合隐式神经表示实现视觉、听觉、触觉多模态对象建模，支持多任务识别与控制。
Ruohan Gao, Yen-Yu Chang, Shivani Mall 等
基于RAFT架构的多层递归场变换，提升立体匹配精度与实时性能。
Lahav Lipson, Zachary Teed, Jia Deng
本研究提出“主题-风格”提示结构的设计指南，分析5493次生成，优化文本提示以提升图像质量。
Vivian Liu, Lydia B. Chilton
研究表明，语言模型在无接地情况下能编码颜色感知结构，使用CIELAB色彩空间进行验证。
Mostafa Abdou, Artur Kulmizev, Daniel Hershcovich 等
本研究通过追踪神经语言模型（NLM）在不同训练阶段的表现，发现其学习语言现象具有一致的“发展”轨迹，揭示潜在的归纳偏差。
Leshem Choshen, Guy Hacohen, Daphna Weinshall 等
本研究分析Transformer在神经机器翻译中的注意力权重，发现其对词对齐存在偏差，但能解释模型预测。
Javier Ferrando, Marta R. Costa-jussà
提出多主题知识增强的艺术描述生成框架，结合ResNet、BERT和Wikipedia实现多角度详细描述。
Zechen Bai, Yuta Nakashima, Noa Garcia
提出vSLIP模型实现双向动态规划，支持大尺度双足机器人在高度受限环境中自主导航。
Zhongyu Li, Jun Zeng, Shuxiao Chen 等
提出无参数GOMEA及其改进CGOMEA，利用条件依赖提升链接信息提取，显著优于DSMGA-II。
Arkadiy Dushatskiy, Marco Virgolin, Anton Bouter 等
提出点调整（PA）评估协议过度高估TAD性能，建议采用新基线和协议。
Siwon Kim, Kukjin Choi, Hyun-Soo Choi 等
提出基于分支模型预测控制的多模态交互运动规划框架，有效应对不受控代理的多样反应行为。
Yuxiao Chen, Ugo Rosolia, Wyatt Ubellacker 等
PICARD通过增量解析限制预训练语言模型的自动回归解码，有效提升SQL生成的正确率。
Torsten Scholak, Nathan Schucher, Dzmitry Bahdanau
提出一种框架解决问答中的知识冲突，提升4%-7%泛化能力。
Shayne Longpre, Kartik Perisetla, Anthony Chen 等
提出块剪枝方法，结合运动剪枝实现Transformer模型的速度提升，达2.4倍加速和74%模型缩减。
François Lagunas, Ella Charlaix, Victor Sanh 等
提出NEAT，通过注意力映射实现端到端自主驾驶中的场景理解与路径预测。
Kashyap Chitta, Aditya Prakash, Andreas Geiger