提出基于排序和关键词短语的多文档抽取式摘要方法，增强连贯性和信息覆盖。
Mir Tafseer Nayeem, Yllias Chali
提出大批量同步SGD，采用线性缩放和warmup技术，在ImageNet上用256GPU一小时训练ResNet-50，保持精度。
Priya Goyal, Piotr Dollár, Ross Girshick 等
PointNet++采用层级结构，结合多尺度邻域特征，显著提升点云分类与分割性能。
Charles R. Qi, Li Yi, Hao Su 等
提出多智能体演员-评论家算法（MADDPG），解决非平稳性和高方差问题，提升合作与竞争环境中的策略学习。
Ryan Lowe, Yi Wu, Aviv Tamar 等
子流形稀疏卷积网络在保持稀疏性的同时实现了与最先进方法相当的性能，计算量减少50%。
Benjamin Graham, Laurens van der Maaten
利用预训练深度卷积神经网络（CNN）进行医学图像分析，通过层级微调实现性能优化，优于从零训练。
Nima Tajbakhsh, Jae Y. Shin, Suryakanth R. Gurudu 等
提出Sinkhorn散度用于训练生成模型，结合熵平滑与自动微分，解决高维OT计算难题。
Aude Genevay, Gabriel Peyré, Marco Cuturi
采用Gumbel-softmax和强化学习训练多智能体符号序列通信协议，展现出类自然语言的组合性与多样性。
Serhii Havrylov, Ivan Titov
提出一种基于邻域边界最大化的局部描述子学习损失，提升匹配性能。
Anastasiya Mishchuk, Dmytro Mishkin, Filip Radenovic 等
提出ORGAN结合GAN与强化学习优化序列生成，提升分子和音乐样本质量。
Gabriel Lima Guimaraes, Benjamin Sanchez-Lengeling, Carlos Outeiral 等
提出Cramér距离解决Wasserstein梯度偏差问题，提升生成模型性能。
Marc G. Bellemare, Ivo Danihelka, Will Dabney 等
提出低影响AI定义，通过偏差函数和世界粗粒化确保AI影响有限，兼顾有用性。
Stuart Armstrong, Benjamin Levinstein
通过“恒等映射”结构，分析两层ReLU神经网络SGD收敛性，证明在高维高斯输入下能在多项式步数内达到全局最优。
Yuanzhi Li, Yang Yuan
通过交叉对齐实现非平行文本的风格迁移，情感修改任务中达到了78.4%的准确率。
Tianxiao Shen, Tao Lei, Regina Barzilay 等
利用UAV飞行轨迹和频谱共享优化，最大化地面终端最低吞吐率，显著提升蜂窝热点性能。
Jiangbin Lyu, Yong Zeng, Rui Zhang
基于自由能原理的认知模型，结合贝叶斯推断与主动推理，阐释感知与行动的统一机制。
Christopher L. Buckley, Chang Sub Kim, Simon McGregor 等
提出MMD GAN，通过对抗核学习提升GMMN性能，实现高效深度生成。
Chun-Liang Li, Wei-Cheng Chang, Yu Cheng 等
Expert Iteration算法结合树搜索与深度学习，超越REINFORCE在Hex游戏中的表现。
Thomas Anthony, Zheng Tian, David Barber
AVA数据集提供80种原子视觉动作的时空定位，提升动作识别研究。
Chunhui Gu, Chen Sun, David A. Ross 等
提出SHAP统一框架，结合六种特征归因方法，确保局部准确性、一致性，提升模型解释的理论和计算性能。
Scott Lundberg, Su-In Lee