提出BigEarthNet，包含590,326多标签Sentinel-2图像，显著优于ImageNet预训练模型。
Gencer Sumbul, Marcela Charfuelan, Begüm Demir 等
基于平均场理论，提出无维度界限的两层神经网络逼近与核极限分析。
Song Mei, Theodor Misiakiewicz, Andrea Montanari
AutoQ利用层次化深度强化学习实现每个卷积核的自动量化，平均降低推理延迟54.06%，能耗50.69%。
Qian Lou, Feng Guo, Lantao Liu 等
本研究证明浅层神经网络在参数平方根超过训练样本数时，随机初始化的梯度下降可保证全局收敛。
Samet Oymak, Mahdi Soltanolkotabi
BERT被视为马尔可夫随机场语言模型，生成的句子多样性高但质量略低。
Alex Wang, Kyunghyun Cho
基于深度卷积神经网络的RGB-D点指识别，实时性优越，误差在10度以内。
Bita Azari, Angelica Lim, Richard T. Vaughan
提出参数高效的适配器方法，将BERT迁移到26个文本分类任务，参数仅为全微调的3.6%，性能接近最优。
Neil Houlsby, Andrei Giurgiu, Stanislaw Jastrzebski 等
提出广义切片Wasserstein距离（GSW），通过非线性投影提升高维分布匹配效率。
Soheil Kolouri, Kimia Nadjahi, Umut Simsekli 等
Barz与Denzler用CNN检索清除近重复，发现CIFAR测试准确率被高估约9%–14%。
Björn Barz, Joachim Denzler
提出多任务深度神经网络（MT-DNN），结合BERT预训练与多任务学习，提升十项NLU任务性能。
Xiaodong Liu, Pengcheng He, Weizhu Chen 等
提出一种可解释的注意力机制扩展，结合随机梯度优化提升神经翻译中的词对齐精度。
Thomas Zenkel, Joern Wuebker, John DeNero
分析图拉普拉斯嵌入的几何结构，基于支持流形的混合模型，证明在分离条件下嵌入点集中于正交锥。
Nicolas Garcia Trillos, Franca Hoffmann, Bamdad Hosseini
提出基于自适应采样的条件化方法（CbAS）用于蛋白质设计，利用生成模型估计条件分布。
David H. Brookes, Hahnbeom Park, Jennifer Listgarten
利用FaceForensics++数据集和深度学习方法，提出面部伪造检测新框架，准确率超越人类。
Andreas Rössler, Davide Cozzolino, Luisa Verdoliva 等
基于模拟训练的深度神经网络策略，实现灵巧且高效的四足机器人自主运动。
Jemin Hwangbo, Joonho Lee, Alexey Dosovitskiy 等
提出TRADES方法，通过分类校准损失平衡鲁棒性与准确率，实验中超越SOTA。
Hongyang Zhang, Yaodong Yu, Jiantao Jiao 等
基于问句蕴含识别（RQE）结合信息检索（IR）实现医疗问答，提升准确率29.8%。
Asma Ben Abacha, Dina Demner-Fushman
本研究评估端到端NLG系统，采用seq2seq模型，表现优异但仍存语义控制不足问题。
Ondřej Dušek, Jekaterina Novikova, Verena Rieser
提出结合感知质量的率失真理论，分析其在二元源中的闭式解，揭示感知约束提升成本。
Yochai Blau, Tomer Michaeli
MONet利用端到端VAE和循环注意力实现无监督场景分解，能识别物体与背景。
Christopher P. Burgess, Loic Matthey, Nicholas Watters 等