提出FeTaQA，基于Wikipedia的10K表格，支持复杂推理与自由文本回答。
Linyong Nan, Chiachun Hsieh, Ziming Mao 等
LazyDAgger通过减少上下文切换提高机器人学习效率，平均减少60%的切换，成功率提高60%。
Ryan Hoque, Ashwin Balakrishna, Carl Putterman 等
提出L’AMBRE基于依存句法和形态规则评估生成文本的语法合理性，验证在多语言MT中有效。
Adithya Pratapa, Antonios Anastasopoulos, Shruti Rijhwani 等
提出FFIW-10K数据集与多实例学习算法，实现多人物脸部伪造检测。
Tianfei Zhou, Wenguan Wang, Zhiyuan Liang 等
扩展NeRF实现场景内语义联合编码，利用少量场景注释实现高精度2D语义标注。
Shuaifeng Zhi, Tristan Laidlow, Stefan Leutenegger 等
MVSNeRF利用多视几何与神经渲染结合，仅用三张图实现快速高质量场景重建。
Anpei Chen, Zexiang Xu, Fuqiang Zhao 等
提出利用 whitening 操作改善BERT句子表示的各向异性，显著提升语义匹配性能和检索速度。
Jianlin Su, Jiarun Cao, Weijie Liu 等
基于模式主义哲学，提出AGI高层架构，强调认知协同与知识表示。
Ben Goertzel
提出一种不确定性感知的束搜索算法，减少条件语言生成中的幻觉现象。
Yijun Xiao, William Yang Wang
采用Leap Motion实现手部追踪，提升沉浸感与交互真实性，面临对象交互与偏差等挑战。
Gavin Buckingham
提出SNeRG，将NeRF预计算成稀疏体素网格，实现30FPS实时渲染。
Peter Hedman, Pratul P. Srinivasan, Ben Mildenhall 等
Swin Transformer采用层次化结构和偏移窗口机制，实现图像分类87.3%、目标检测58.7 AP等多任务优异表现。
Ze Liu, Yutong Lin, Yue Cao 等
提出PlenOctrees实现NeRF实时渲染，速度超3000倍，保持高质量。
Alex Yu, Ruilong Li, Matthew Tancik 等
本文综述神经网络量化方法，强调低比特宽度（≤4比特）在模型压缩和推理加速中的应用，涵盖算法、实验和未来方向。
Amir Gholami, Sehoon Kim, Zhen Dong 等
NaturalProofs以BERT检索证明引用；ProofWiki上Joint模型R@10达42.45、Full@100达50.22。
Sean Welleck, Jiacheng Liu, Ronan Le Bras 等
DIG：一站式图深度学习研究平台，涵盖图生成、自监督、可解释性和3D图，提供统一接口与评估指标。
Meng Liu, Youzhi Luo, Limei Wang 等
提出BCNet，通过双层图卷积模型显著提升重叠遮挡物体的实例分割性能，COCO数据集提升AP达3.0。
Lei Ke, Yu-Wing Tai, Chi-Keung Tang
使用潜在空间回归分析GAN的组合性，提升图像生成质量。
Lucy Chai, Jonas Wulff, Phillip Isola
提出基于自回归空白填充的GLM模型，显著提升NLU和生成任务性能。
Zhengxiao Du, Yujie Qian, Xiao Liu 等
利用离散Morse理论（DMT）训练深度分割网络，显著提升拓扑准确性。
Xiaoling Hu, Yusu Wang, Li Fuxin 等