提出基于深度神经网络的无监督PDE正逆问题求解算法，适用于非结构化域。

Leah Bar, Nir Sochen

ClinicalBERT利用双向Transformer模型提高30天再入院预测准确率。

Kexin Huang, Jaan Altosaar, Rajesh Ranganath

MVF-Net以多视图对齐约束回归3DMM，MICC最低误差达1.220。

Fanzi Wu, Linchao Bao, Yajing Chen 等

提出FGCNN模型，通过CNN自动生成特征，显著提升CTR预测性能。

Bin Liu, Ruiming Tang, Yingzhi Chen 等

提出环境Dropout结合背译增强泛化能力，显著提升Room-to-Room任务未见环境成功率。

Hao Tan, Licheng Yu, Mohit Bansal

提出C-SGD实现卷积神经网络滤波器合并，无需微调，提升稀疏性与训练效率。

Xiaohan Ding, Guiguang Ding, Yuchen Guo 等

本研究提出深层GCN架构，借鉴残差、密集连接和空洞卷积，成功训练56层模型，点云语义分割性能提升3.7%。

Guohao Li, Matthias Müller, Ali Thabet 等

Neo采用深度神经网络实现端到端学习的查询优化器，性能媲美商用系统。

Ryan Marcus, Parimarjan Negi, Hongzi Mao 等

发布了首个公开的临床BERT模型，提升了临床NLP任务性能。

Emily Alsentzer, John R. Murphy, Willie Boag 等

Fishyscapes基准测试评估城市驾驶语义分割中的异常检测，揭示现有方法的盲点。

Hermann Blum, Paul-Edouard Sarlin, Juan Nieto 等

提出结构化表示与策略的深度强化学习方法，显著提升物理建构任务性能。

Victor Bapst, Alvaro Sanchez-Gonzalez, Carl Doersch 等

提出HUSE框架，结合人类和统计评估以衡量生成质量和多样性。

Tatsunori B. Hashimoto, Hugh Zhang, Percy Liang

VideoBERT结合视频与语音序列的双向建模，实现无监督高层语义理解。

Chen Sun, Austin Myers, Carl Vondrick 等

提出基于边中心的图卷积模型（D-MPNN）提升分子性质预测性能，实验证明优于传统描述符和先前模型。

Kevin Yang, Kyle Swanson, Wengong Jin 等

FCOS：无锚点一阶段检测器，单模型AP达44.7%，结构简洁高效。

Zhi Tian, Chunhua Shen, Hao Chen 等

Habitat平台结合高性能模拟器与API，提升 embodied AI 在点目标导航中的表现，显示学习优于SLAM。

Manolis Savva, Abhishek Kadian, Oleksandr Maksymets 等

C2AE使用类条件自编码器进行开放集识别，在多个数据集上显著优于现有方法。

Poojan Oza, Vishal M Patel

HYPE以人类辨真错误率评估生成真实性；FFHQ上StyleGAN截断采样达27.6%。

Sharon Zhou, Mitchell L. Gordon, Ranjay Krishna 等

fairseq是基于PyTorch的高效序列建模工具，支持大规模分布式训练和多任务应用。

Myle Ott, Sergey Edunov, Alexei Baevski 等

LAMB优化器在TPUv3 Pod上用32868批量大小训练BERT仅需76分钟，性能无损。

Yang You, Jing Li, Sashank Reddi 等