提出非平衡小批量最优传输（Unbalanced Minibatch OT），在域适应中表现优于传统OT，解决采样平滑和鲁棒性问题。

Kilian Fatras, Thibault Séjourné, Nicolas Courty 等

提出GPU零拷贝架构优化GCN训练，显著提升多GPU性能。

Seung Won Min, Kun Wu, Sitao Huang 等

提出针对凸损失的机器遗忘算法，实现删除样本数为O(n/d^{1/4})，优于差分隐私的O(n/d^{1/2})。

Ayush Sekhari, Jayadev Acharya, Gautam Kamath 等

提出消息传递单纯复形网络（MPSNs），利用单纯复形结构提升表达能力，超越WL测试。

Cristian Bodnar, Fabrizio Frasca, Yu Guang Wang 等

利用DARPA OpTC数据集进行网络威胁检测，展示其在APT攻击识别中的优势与局限。

Md. Monowar Anjum, Shahrear Iqbal, Benoit Hamelin

提出开放世界目标检测（OWOD）框架，结合对比聚类与能量模型，实现未知目标识别与增量学习。

K J Joseph, Salman Khan, Fahad Shahbaz Khan 等

提出基于时间条件的DyNeRF，实现10秒30FPS多视角动态视频的高效压缩与重建。

Tianye Li, Mira Slavcheva, Michael Zollhoefer 等

提出多注意力深度伪造检测网络，将细粒度分类与多区域注意机制结合，显著优于传统二分类模型。

Hanqing Zhao, Wenbo Zhou, Dongdong Chen 等

提出RFA，基于随机特征的线性时间软max近似，提升长序列处理效率。

Hao Peng, Nikolaos Pappas, Dani Yogatama 等

提出混合体素模型（MVP），结合体素与原语优势，实现高效动态场景神经渲染。

Stephen Lombardi, Tomas Simon, Gabriel Schwartz 等

提出基于多阶段多射法的硬接触隐式轨迹优化（CIO），用于六自由度机器人动态物体操控，显著提高计算效率。

Jean-Pierre Sleiman, Jan Carius, Ruben Grandia 等

P2-Net实现2D-3D像素点的联合描述与检测，提升细粒度匹配性能。

Bing Wang, Changhao Chen, Zhaopeng Cui 等

利用国际象棋符号训练变换器模型，实现对棋盘状态的高精度追踪。

Shubham Toshniwal, Sam Wiseman, Karen Livescu 等

IBRNet通过多视角特征融合，实现复杂场景的高分辨率新视点合成，无需场景优化。

Qianqian Wang, Zhicheng Wang, Kyle Genova 等

探究分类器：评估深度模型中的语言信息编码，强调方法优缺点。

Yonatan Belinkov

基于transformer的零样本文本到图像生成，利用大规模数据训练，达到与领域专用模型竞争的效果。

Aditya Ramesh, Mikhail Pavlov, Gabriel Goh 等

提出两种非凸有限和优化算法，基于Bregman距离，无Lipschitz连续性，适应随机和循环采样。

Puya Latafat, Andreas Themelis, Masoud Ahookhosh 等

TacticZero通过深度强化学习在HOL4中实现从零开始的定理证明，超越现有自动证明器。

Minchao Wu, Michael Norrish, Christian Walder 等

通过学习反向扩散过程的方差，结合改进的噪声调度和混合目标，实现了在保持高样本质量的同时，提升对数似然和采样速度的平衡。

Alex Nichol, Prafulla Dhariwal

TILT模型在文档理解中结合文本、图像和布局，提升信息提取准确率。

Rafał Powalski, Łukasz Borchmann, Dawid Jurkiewicz 等