提出基于强化学习的自动驾驶专家“Roach”，在CARLA中超越Autopilot，提升端到端模仿学习性能。
Zhejun Zhang, Alexander Liniger, Dengxin Dai 等
提出Moser Flow（MF），基于散度的流形生成模型，避免ODE求解，提升复杂几何采样与密度估计性能。
Noam Rozen, Aditya Grover, Maximilian Nickel 等
提出基于边界重点的3D点云重建框架，显著优于现有方法。
Guiju Ping, Mahdi Abolfazli Esfahani, Han Wang
提出基础模型的定义，分析其规模带来的新能力与风险，强调跨学科研究的重要性。
Rishi Bommasani, Drew A. Hudson, Ehsan Adeli 等
V-DeepONet结合物理规律和少量数据，快速预测脆性材料裂纹路径。
Somdatta Goswami, Minglang Yin, Yue Yu 等
综述安全学习在机器人控制中的方法，包括模型学习、鲁棒控制和安全验证，强调算法框架和实际应用。
Lukas Brunke, Melissa Greeff, Adam W. Hall 等
MUSIQ利用多尺度Transformer处理原生图像，超越CNN固定尺寸限制，达成SOTA性能。
Junjie Ke, Qifei Wang, Yilin Wang 等
提出Mobile-Former，结合MobileNet与Transformer，利用少量可学习Token实现高效全球交互。
Yinpeng Chen, Xiyang Dai, Dongdong Chen 等
提出DexMV平台，通过视频提取3D手物体姿态实现多指机器人手模仿学习，显著提升复杂操作性能。
Yuzhe Qin, Yueh-Hua Wu, Shaowei Liu 等
提出MIMO-UNet，结合多尺度输入和多输出，提升单幅图像去模糊的速度与精度。
Sung-Jin Cho, Seo-Won Ji, Jun-Pyo Hong 等
Loihi上的事件驱动Hough-SNN将视觉更新率提升至20kHz，并实现1200°/s无人机跟踪与在线自适应。
Antonio Vitale, Alpha Renner, Celine Nauer 等
本研究评估六种离线学习算法在机器人多阶段操控任务中的表现，强调数据质量和模型设计的重要性。
Ajay Mandlekar, Danfei Xu, Josiah Wong 等
提出基于物理的极低光照噪声模型，利用 CMOS 传感器特性实现高精度噪声合成。
Kaixuan Wei, Ying Fu, Yinqiang Zheng 等
通过局部对抗攻击学习，ObsNet在语义分割中实现快速准确的OOD检测。
Victor Besnier, Andrei Bursuc, David Picard 等
SDEdit利用扩散模型逆向去噪实现无需任务特定训练的图像引导合成与编辑，性能优于GAN方法。
Chenlin Meng, Yutong He, Yang Song 等
提出混合推理系统，在LSAT上取得56.8%的准确率。
Siyuan Wang, Zhongkun Liu, Wanjun Zhong 等
提出Perceiver IO，线性扩展、多模态多任务处理，超越Transformer性能。
Andrew Jaegle, Sebastian Borgeaud, Jean-Baptiste Alayrac 等
提出ManiSkill基准，涵盖多样物体和大规模示范数据，推动通用操作技能研究。
Tongzhou Mu, Zhan Ling, Fanbo Xiang 等
UIBert通过五个预训练任务在无标签数据上训练，提升UI理解准确率达9.26%。
Chongyang Bai, Xiaoxue Zang, Ying Xu 等
系统性综述提示学习在NLP中的方法，强调预训练模型、Prompt设计与应用，涵盖算法、数据和实验。
Pengfei Liu, Weizhe Yuan, Jinlan Fu 等