提出一种概率图反馈的随机在线学习算法，匹配下界。
Shuai Li, Wei Chen, Zheng Wen 等
提出DDR网络，提升3D语义场景完成精度5.9%，参数减少79%。
Jie Li, Yu Liu, Dong Gong 等
提出支持102语言的多语种神经机器翻译模型，利用Transformer架构实现低资源到高资源场景的性能提升。
Roee Aharoni, Melvin Johnson, Orhan Firat
基于强化学习的神经机器翻译课程优化，通过单次训练自动学习数据呈现顺序，提升BLEU +3.4。
Gaurav Kumar, George Foster, Colin Cherry 等
基于凸优化的dVRK动态模型识别包，考虑机械结构和物理一致性，精度显著提升。
Yan Wang, Radian Gondokaryono, Adnan Munawar 等
提出基于门控循环单元（GRU）的递归多视角立体网络（R-MVSNet），显著降低高分辨率场景的内存消耗。
Yao Yao, Zixin Luo, Shiwei Li 等
利用深度强化学习NeuroCuts优化决策树，提升包分类性能。
Eric Liang, Hang Zhu, Xin Jin 等
本研究揭示注意力机制不能作为模型解释，实验证明其与特征重要性关联弱，存在多样性。
Sarthak Jain, Byron C. Wallace
提出基于高斯过程的障碍感知自适应信息路径规划（OA-IPP），在复杂环境中实现高效目标搜索，显著优于现有方法。
Ajith Anil Meera, Marija Popovic, Alexander Millane 等
论文用ReLU组合字典证明：深度2可将N^{-η}提升为N^{-2η}，深度3达O(N^{-2α/d})。
Zuowei Shen, Haizhao Yang, Shijun Zhang
提出Attainable Utility Preservation (AUP)方法，通过保持多目标优化能力降低奖励错设风险。
Alexander Matt Turner, Dylan Hadfield-Menell, Prasad Tadepalli
Graph-VRNN融合视觉与动力学，在篮球和足球预测中显著优于基线。
Chen Sun, Per Karlsson, Jiajun Wu 等
提出基于神经网络的变分量子蒙特卡洛方法，用于模拟开放量子系统稳态，模型为二维耗散XYZ自旋模型。
Alexandra Nagy, Vincenzo Savona
提出基于BERT的两阶段文本摘要生成模型，在CNN/Daily Mail上达到33.33的ROUGE平均分。
Haoyu Zhang, Jianjun Xu, Ji Wang
提出双向双编码器结合加性边距Softmax，UN语料库检索任务P@1达86%以上。
Yinfei Yang, Gustavo Hernandez Abrego, Steve Yuan 等
使用多步梯度下降-上升算法求解非凸Min-Max游戏，实现Fashion-MNIST数据集上的更平滑训练和更好泛化。
Maher Nouiehed, Maziar Sanjabi, Tianjian Huang 等
HiBSA算法解决一侧非凸min-max问题，确保收敛。
Songtao Lu, Ioannis Tsaknakis, Mingyi Hong 等
学习步长量化方法在ImageNet上实现2-4位精度的最高准确率。
Steven K. Esser, Jeffrey L. McKinstry, Deepika Bablani 等
提出一种基于自监督学习的单目内窥深度估计方法，无需先验模型或标注，利用SfM稀疏监督实现亚毫米精度。
Xingtong Liu, Ayushi Sinha, Masaru Ishii 等
提出Meta Reward Learning（MeRL）结合KL散度调节探索与利用，优化稀疏奖励下的语义解析，提升性能。
Rishabh Agarwal, Chen Liang, Dale Schuurmans 等