提出贝叶斯深度学习方法，通过边际化提升模型准确性和校准，结合深集成实现近似贝叶斯推断。
Andrew Gordon Wilson, Pavel Izmailov
TracIn通过追踪梯度变化估算训练样本对模型预测的影响，采用梯度近似和检查点实现，适用于任何基于SGD的模型。
Garima Pruthi, Frederick Liu, Mukund Sundararajan 等
提出CodeBERT，结合Transformer架构，通过替换标记检测实现多模态预训练，提升NL-PL任务表现。
Zhangyin Feng, Daya Guo, Duyu Tang 等
提出GraSP在初始化时通过保持梯度流实现80%剪枝，准确率仅降1.6%。
Chaoqi Wang, Guodong Zhang, Roger Grosse
本论文提出多重重要性采样结合多模型近似后验以优化决策，超越传统ELBO方法。
Romain Lopez, Pierre Boyeau, Nir Yosef 等
提出MetaGen，通过学习生成定理和证明，增强Metamath自动定理证明性能。
Mingzhe Wang, Jia Deng
提出基于有向图的哈希算法，结合强连通分量和Merkle思想，有效处理循环结构。
Caleb Helbling
采用条件正则化流的多变量概率时间序列预测模型，显著优于现有方法，处理数千个交互时间序列。
Kashif Rasul, Abdul-Saboor Sheikh, Ingmar Schuster 等
AGATHA系统通过图挖掘和Transformer模型在医学研究中生成假设，提升推荐准确性至0.901。
Justin Sybrandt, Ilya Tyagin, Michael Shtutman 等
提出基于稀疏高斯过程专家集的流数据隐式表面映射方法，资源利用优于传统GP。
Johannes A. Stork, Todor Stoyanov
ConvLab-2整合多模态对话模型，支持端到端评估与诊断，提升任务导向系统性能。
Qi Zhu, Zheng Zhang, Yan Fang 等
提出以人本为中心的AI框架，结合高控制与自动化提升性能，确保可靠、安全、可信。
Ben Shneiderman
VI-ULCB以双重置信界实现零和马尔可夫博弈自博弈，遗憾达\tilde{O}(\sqrt{H^3S^2ABT})。
Yu Bai, Chi Jin
REALM结合检索器与预训练模型，显著提升开放域问答准确率（4-16%），实现可解释性与模块化。
Kelvin Guu, Kenton Lee, Zora Tung 等
使用连续测地线卷积在3D形状上学习，超越手工特征基线。
Zhangsihao Yang, Or Litany, Tolga Birdal 等
使用重要性权重法解决延迟反馈下的反馈偏移问题，提升转化率预测准确性。
Shota Yasui, Gota Morishita, Komei Fujita 等
随机投影和采样技术实现矩阵低秩逼近，提升大规模线性代数计算效率。
Per-Gunnar Martinsson, Joel Tropp
提出背景建模的增量语义分割方法，显著提升Pascal-VOC和ADE20K性能。
Fabio Cermelli, Massimiliano Mancini, Samuel Rota Bulò 等
本综述系统梳理知识图谱的表示学习、知识获取及应用，强调Transformer、GNN等新技术。
Shaoxiong Ji, Shirui Pan, Erik Cambria 等
提出Gram-Net，利用全局纹理特征提升深度伪脸检测的鲁棒性与泛化能力。
Zhengzhe Liu, Xiaojuan Qi, Philip Torr