PAC置信集方法以温度校准和定理1保证覆盖率，在ImageNet、跟踪与半猎豹任务验证。
Sangdon Park, Osbert Bastani, Nikolai Matni 等
提出face X-ray方法，通过检测融合边界实现面部伪造检测，训练无需假图像。
Lingzhi Li, Jianmin Bao, Ting Zhang 等
提出LayoutLM，结合文本和布局信息的预训练模型，提升表单理解等任务性能。
Yiheng Xu, Minghao Li, Lei Cui 等
基于2000份问卷，分析美国公众对13项AI治理挑战的认知与信任，发现公众重视但信任度低。
Baobao Zhang, Allan Dafoe
提出基于首次脉冲时间的学习规则，利用Leaky Integrate-and-Fire神经元实现误差反向传播，适用于BrainScaleS-2平台。
Julian Göltz, Laura Kriener, Andreas Baumbach 等
提出TCoN，通过跨域共注意机制匹配时序特征分布，显著提升跨域动作识别性能。
Boxiao Pan, Zhangjie Cao, Ehsan Adeli 等
提出基于AudioSet的预训练音频神经网络（PANNs），在音频标签识别中达0.439 mAP，优于前沿模型。
Qiuqiang Kong, Yin Cao, Turab Iqbal 等
使用对抗性表示主动学习方法，在MNIST等数据集上以最少标签实现最高分类准确率。
Ali Mottaghi, Serena Yeung
提出Temporal Fusion Transformer（TFT），结合多尺度时间关系学习与可解释性，显著提升多步时间序列预测性能。
Bryan Lim, Sercan O. Arik, Nicolas Loeff 等
提出偏差修正方法估计高维正态模型平滑函数，达成渐近最优。
Vladimir Koltchinskii, Mayya Zhilova
提出PEGASUS，利用提取空白句子作为预训练目标，显著提升摘要性能。
Jingqing Zhang, Yao Zhao, Mohammad Saleh 等
提出纯CapsNets（P-CapsNets），通过去除路由、替换卷积层和封装为高阶张量，实现参数大幅减少和性能提升。
Zhenhua Chen, Xiwen Li, Chuhua Wang 等
用视觉锥位置吸引模型揭示蠕虫、团簇与稳定向列带，无需速度对齐。
Lucas Barberis, Fernando Peruani
提出可微体积渲染方法，基于隐式表示从RGB图像学习3D形状与纹理，无需3D监督。
Michael Niemeyer, Lars Mescheder, Michael Oechsle 等
基于核函数的近似Fekete点构建，通过最大化核Gram矩阵行列式实现高效插值，Gaussian核超指数收敛。
Toni Karvonen, Simo Särkkä, Ken'ichiro Tanaka
OpenAI五人组采用大规模深度强化学习，训练10个月后击败Dota2世界冠军，突破复杂环境挑战。
OpenAI, :, Christopher Berner 等
提出级联成本体积，显著提升高分辨率多视几何的效率与精度，GPU内存降低50%以上。
Xiaodong Gu, Zhiwen Fan, Zuozhuo Dai 等
提出基于GNN的去中心化多机器人路径规划模型，利用CNN提取局部特征，训练模仿专家算法，成功在复杂环境中实现高成功率。
Qingbiao Li, Fernando Gama, Alejandro Ribeiro 等
提出联邦学习中的关键算法与挑战，重点在非IID数据与隐私保护，实验显示模型性能提升20%。
Peter Kairouz, H. Brendan McMahan, Brendan Avent 等
提出深度符号回归框架，利用风险偏好策略梯度成功恢复数学表达式。
Brenden K. Petersen, Mikel Landajuela, T. Nathan Mundhenk 等