Patch Slimming按层删减冗余视觉块，使ViT-Ti在ImageNet上减少53.8% FLOPs，仅损失0.1%准确率。
Yehui Tang, Kai Han, Yunhe Wang 等
提出SketchGen基于Transformer的CAD草图生成模型，显著优于现有方法。
Wamiq Reyaz Para, Shariq Farooq Bhat, Paul Guerrero 等
ICNN基准显示：高维W2求解器中，tW2s最可靠，但OT精度未必带来更佳生成效果。
Alexander Korotin, Lingxiao Li, Aude Genevay 等
本书系统介绍凸优化基础与数值方法，强调凸分析、对偶性与鲁棒优化，结合实例与算法实现。
Evgeniya Vorontsova, Roland Hildebrand, Alexander Gasnikov 等
提出FedNCF，将神经协同过滤扩展至联邦学习，结合安全聚合实现隐私保护。
Vasileios Perifanis, Pavlos S. Efraimidis
本研究用日语验证低困惑度不一定更人类化，揭示跨语言差异。
Tatsuki Kuribayashi, Yohei Oseki, Takumi Ito 等
提出交叉伪监督（CPS）用于半监督语义分割，提升Cityscapes和PASCAL VOC 2012性能。
Xiaokang Chen, Yuhui Yuan, Gang Zeng 等
提出自适应符合推断（ACI）方法，有效应对分布变化，保证长时段覆盖率。
Isaac Gibbs, Emmanuel Candès
提出无softmax的GalernTransformer，结合Petrov-Galerkin理论提升PDE算子学习效率。
Shuhao Cao
利用均场极限分析深层ResNet的零损失收敛机制，证明网络规模越大越易实现全局最优。
Zhiyan Ding, Shi Chen, Qin Li 等
提出基于策略梯度的多目标非线性优化算法，样本复杂度为O(M^4σ^2/(1-γ)^8ε^4)，实现全局收敛。
Qinbo Bai, Mridul Agarwal, Vaneet Aggarwal
SEM-TAB-FACTS提出了一个新数据集和任务，验证科学文档表格数据的事实，包含18万+语句和1600万+证据标注。
Nancy X. R. Wang, Diwakar Mahajan, Marina Danilevsky 等
提出ByT5，基于Transformer的字节级预训练模型，参数规模覆盖五个版本，性能与Token模型相当，增强鲁棒性。
Linting Xue, Aditya Barua, Noah Constant 等
提出AIM利用Wasserstein-1距离优化目标导向策略，显著提升目标导向强化学习效率。
Ishan Durugkar, Mauricio Tec, Scott Niekum 等
提出DiSECt：基于有限元和连续接触损伤模型的可微分软材料切割模拟器，用于参数校准和控制优化。
Eric Heiden, Miles Macklin, Yashraj Narang 等
提出基于图的强化学习的统一对话推荐策略，显著提升CRS性能。
Yang Deng, Yaliang Li, Fei Sun 等
KLUE构建8项韩语NLU任务，采用从零采集数据，提出KLUE-BERT和KLUE-RoBERTa模型，显著优于多语和开源模型。
Sungjoon Park, Jihyung Moon, Sungdong Kim 等
提出两种方法：基于偏差搜索的执行失败诊断和利用合成数据修正经验，提升机器人抓取把手成功率。
Alex Mitrevski, Paul G. Plöger, Gerhard Lakemeyer
提出基于示例的开放集全景分割网络(EOPSN)，在COCO数据集上实现未知类别识别，PQ达37.7%。
Jaedong Hwang, Seoung Wug Oh, Joon-Young Lee 等
基于模拟强化学习，仅用本体感知实现人形机器人阶梯无感知自主穿越。
Jonah Siekmann, Kevin Green, John Warila 等