提出DANSER模型，通过双图注意力网络动态建模用户和物品的多重社会效应，在推荐精度上显著提升。
Qitian Wu, Hengrui Zhang, Xiaofeng Gao 等
RNAN以局部与非局部混合注意力提升复原，Urban100去噪σ=70达27.45 dB。
Yulun Zhang, Kunpeng Li, Kai Li 等
提出基于能力的课程学习框架，显著缩短神经机器翻译训练时间，提升性能。
Emmanouil Antonios Platanios, Otilia Stretcu, Graham Neubig 等
研究高维无正则最小二乘插值的双重风险行为，揭示过参数化的优势与局限。
Trevor Hastie, Andrea Montanari, Saharon Rosset 等
提出真正的近端策略优化（Truly PPO），通过新剪辑函数和信任域机制提升样本效率与稳定性。
Yuhui Wang, Hao He, Chao Wen 等
提出异构图注意力网络(HAN)，通过层次注意力机制在DBLP等数据集上实现节点分类性能提升。
Xiao Wang, Houye Ji, Chuan Shi 等
提出SPADE方法，通过空间自适应归一化提高语义图像合成的视觉逼真度和布局对齐。
Taesung Park, Ming-Yu Liu, Ting-Chun Wang 等
选择性核网络（SKNet）通过动态选择机制提升CNN性能，在ImageNet上表现优于现有模型。
Xiang Li, Wenhai Wang, Xiaolin Hu 等
提出一种3D姿态生成模型，预测室内环境中的人类姿态，优于现有方法。
Xueting Li, Sifei Liu, Kihwan Kim 等
提出基于3D路径优化的UAV通信框架，提升高空LoS链路可靠性，数据速率达50Mbps。
Yong Zeng, Qingqing Wu, Rui Zhang
介绍序贯蒙特卡洛（SMC）算法，用于贝叶斯推断中的高效近似，涵盖Proposal和中间目标设计。
Christian A. Naesseth, Fredrik Lindsten, Thomas B. Schön
Spiking-YOLO通过脉冲神经网络实现节能的目标检测，能耗比Tiny YOLO低280倍。
Seijoon Kim, Seongsik Park, Byunggook Na 等
理论证明：任意分布无关近似条件覆盖都近乎退化；受限集合覆盖才可能有用。
Rina Foygel Barber, Emmanuel J. Candès, Aaditya Ramdas 等
提出基于分组相关的立体匹配网络（GwcNet），利用分组相关构建高效成本体，提升精度与效率。
Xiaoyang Guo, Kai Yang, Wukui Yang 等
研究显示，去偏方法如HARD-DEBIASED和GN-GLOVE未能彻底消除词嵌入中的性别偏见。
Hila Gonen, Yoav Goldberg
FASTER算法在未知环境中实现高达3.6 m/s的安全飞行。
Jesus Tordesillas, Brett T. Lopez, Jonathan P. How
GCOMB结合GCN与Q-learning，能在大规模图上高效学习启发式，提升速度百倍，质量略优。
Sahil Manchanda, Akash Mittal, Anuj Dhawan 等
FAST框架通过自我修正和回溯技术，在VLN任务中实现17%相对提升，成功率提升6%。
Liyiming Ke, Xiujun Li, Yonatan Bisk 等
提出Play-LMP，通过自监督学习从人类游戏数据中组织潜在行为空间，显著提升机器人多任务技能泛化能力。
Corey Lynch, Mohi Khansari, Ted Xiao 等
引入长远未来信息的潜变量自回归模型，提升强化学习中长时预测和规划能力。
Nan Rosemary Ke, Amanpreet Singh, Ahmed Touati 等