提出CASTER方法，提升元强化学习效率，减少样本需求。
Haozhe Wang, Jiale Zhou, Xuming He
利用演化算法生成2000+多样性机器人抓取对象，提升评估和训练效果。
Douglas Morrison, Peter Corke, Jürgen Leitner
Learn2Perturb通过端到端特征扰动学习提高对抗鲁棒性，在CIFAR-10上提升4-7%。
Ahmadreza Jeddi, Mohammad Javad Shafiee, Michelle Karg 等
提出基于预测编码的无解码局部线性控制方法，提升高维观测下的控制性能。
Rui Shu, Tung Nguyen, Yinlam Chow 等
提出基准框架评估图神经网络（GNN），涵盖多样数据集和新型位置编码，推动模型性能提升。
Vijay Prakash Dwivedi, Chaitanya K. Joshi, Anh Tuan Luu 等
SAT用状态反馈实现实时视频分割：DAVIS2017-Val达72.3% J&F、39 FPS。
Xi Chen, Zuoxin Li, Ye Yuan 等
提出Cops-Ref数据集，结合复杂推理逻辑，评估模型推理能力，性能尚待提升。
Zhenfang Chen, Peng Wang, Lin Ma 等
基于行为树的Navigation2系统，成功在校园长距离动态环境中导航37.4英里，零碰撞。
Steve Macenski, Francisco Martín, Ruffin White 等
仅训练BatchNorm的γ/β，ResNet-866达CIFAR-10 82%、ResNet-200达ImageNet top-5 32%。
Jonathan Frankle, David J. Schwab, Ari S. Morcos
本研究提出AraBERT，基于Transformer的阿拉伯语理解模型，显著提升多项NLP任务性能。
Wissam Antoun, Fady Baly, Hazem Hajj
提出GP-MRO算法，通过高斯过程学习未知目标函数，优化鲁棒混合策略，提升自主车辆轨迹规划性能。
Pier Giuseppe Sessa, Ilija Bogunovic, Maryam Kamgarpour 等
提出一种基于知识蒸馏的回归模型训练新方法，结合异常值剔除与多任务学习提升精度。
Makoto Takamoto, Yusuke Morishita, Hitoshi Imaoka
提出一种结合快速优化的目标模型和分割网络的VOS方法，达成高效且鲁棒的目标分割。
Andreas Robinson, Felix Järemo Lawin, Martin Danelljan 等
通过学习多模型融合提升大数据查询成本估算的准确性，达到了2-3数量级的提升。
Tarique Siddiqui, Alekh Jindal, Shi Qiao 等
本论文系统综述了BERT的内部机制，分析其语法、语义和世界知识的编码方式，探讨模型改进和压缩技术。
Anna Rogers, Olga Kovaleva, Anna Rumshisky
提出Defense-PointNet，通过判别器提升点云模型对对抗样本的鲁棒性，显著优于基线方法。
Yu Zhang, Gongbo Liang, Tawfiq Salem 等
基于改进ODIN，无需使用OoD数据即可提升检测性能，提出信心分解与输入预处理策略。
Yen-Chang Hsu, Yilin Shen, Hongxia Jin 等
Sparse Sinkhorn Attention通过可微排序实现高效注意力机制，显著降低内存消耗。
Yi Tay, Dara Bahri, Liu Yang 等
提出预训练+微调范式，基于图像文本动作三元组，提升视觉-语言导航成功率从47%到51%。
Weituo Hao, Chunyuan Li, Xiujun Li 等
提出高阶路径消息传递GNN，结合路径特征提升分子性质预测准确率。
Daniel Flam-Shepherd, Tony Wu, Pascal Friederich 等