提出了一种基于显著性学习的表格事实验证方法，在TabFact上取得SOTA表现。
Fei Wang, Kexuan Sun, Jay Pujara 等
EMA：基于多指标集成的模型数据删除审计方法，提升鲁棒性和效率。
Yangsibo Huang, Xiaoxiao Li, Kai Li
利用深度学习方法解决音乐版本识别的准确性与可扩展性问题。
Furkan Yesiler, Guillaume Doras, Rachel M. Bittner 等
本论文提出通过指令微调（instruction tuning）提升137B参数预训练语言模型的零样本学习能力，在60余个NLP任务上显著优于未微调模型，并超越GPT-3的零样本表现。
Jason Wei, Maarten Bosma, Vincent Y. Zhao 等
引入MULTI-EURLEX，基于XLM-ROBERTA和MT5的多语种多标签法律文本分类数据集，探索零样本跨语迁移与适配策略。
Ilias Chalkidis, Manos Fergadiotis, Ion Androutsopoulos
提出CO3D数据集与NerFormer，推动真实场景3D重建与新视角合成。
Jeremy Reizenstein, Roman Shapovalov, Philipp Henzler 等
提出FinQA数据集，结合财务专家标注的多步数值推理，挑战预训练模型性能。
Zhiyu Chen, Wenhu Chen, Charese Smiley 等
提出一种基于NeRF的自校准算法，显著提升相机参数估计精度和渲染质量。
Yoonwoo Jeong, Seokjun Ahn, Christopher Choy 等
通过伪相关反馈改进密集检索中的查询表示，显著提升准确率。
HongChien Yu, Chenyan Xiong, Jamie Callan
结合WGAN与PINNs实现偏微分方程解的不确定性量化，利用groupsort激活函数提升判别器容量。
Yihang Gao, Michael K. Ng
提出ALiBi线性偏置方法，实现Transformer模型输入长度外推，训练短序列，推理长序列。
Ofir Press, Noah A. Smith, Mike Lewis
提出基于对比学习的视频跨模态跨域适应框架，利用RGB与光流特征正则化，显著提升UCF-HMDB和EPIC-Kitchens性能。
Donghyun Kim, Yi-Hsuan Tsai, Bingbing Zhuang 等
DROID-SLAM结合深度学习与经典优化，基于Dense Bundle Adjustment实现高精度、鲁棒的单目、双目及RGB-D视觉SLAM。
Zachary Teed, Jia Deng
提出基于验证的深度学习对抗鲁棒性评估方法，结合对抗攻击与防御技术，显著提升模型安全性。
Wenjie Ruan, Xinping Yi, Xiaowei Huang
DenseTNT是一种端到端无锚点的轨迹预测模型，利用密集目标集实现最优性能，获Argoverse和Waymo第一。
Junru Gu, Chen Sun, Hang Zhao
本文首次探索基于T5模型的句子嵌入，提出三种提取方法，超越Sentence-BERT和SimCSE，模型规模扩展带来持续性能提升。
Jianmo Ni, Gustavo Hernández Ábrego, Noah Constant 等
PoinTr采用几何感知Transformer实现点云补全，显著优于SOTA方法。
Xumin Yu, Yongming Rao, Ziyi Wang 等
StructDepth利用室内结构正则化（曼哈顿模型和共面约束）提升单目深度估计性能。
Boying Li, Yuan Huang, Zeyu Liu 等
提出神经算子框架，基于积分核和非线性激活，解决偏微分方程的算子逼近问题。
Nikola Kovachki, Zongyi Li, Burigede Liu 等
SAMP方法通过cVAE和A*算法实现场景感知的人体运动预测，生成多样化的动作风格。
Mohamed Hassan, Duygu Ceylan, Ruben Villegas 等