引入无平滑性假设的半参数高阶影响函数估计器，避免非参数密度估计，提升效率。

Lin Liu, Rajarshi Mukherjee, Whitney K. Newey 等

扩展多臂老虎机模型至非遵从场景，提出Instrument-Armed Bandits，分析不同的遗憾定义及新算法。

Nathan Kallus

提出Kinetics数据集，包含400类人类动作，采用深度学习训练，揭示偏差与性能基线。

Will Kay, Joao Carreira, Karen Simonyan 等

提出一种自监督Siamese学习框架，用于机器人手术中的深度估计，Siamese网络在SSI上达到0.604。

Menglong Ye, Edward Johns, Ankur Handa 等

本文分析网络干预中的设计型因果推断局限性，证明在任意干扰下难以获得无偏估计和一致性，强调假设的重要性。

Guillaume Basse, Edoardo Airoldi

提出端到端可微的Key-Value检索网络，显著提升多领域任务导向对话性能。

Mihail Eric, Christopher D. Manning

提出结合 intra-attention 和强化学习的深度抽象摘要模型，CNN/Daily Mail得分41.16。

Romain Paulus, Caiming Xiong, Richard Socher

利用投影梯度法学习ReLU，样本数达最优，线性收敛。

Mahdi Soltanolkotabi

TriviaQA为大规模远程监督阅读理解数据集，含650K问答三元组，挑战复杂推理。

Mandar Joshi, Eunsol Choi, Daniel S. Weld 等

基于ODE稳定性分析，提出三种确保深度神经网络稳定的前向传播架构。

Eldad Haber, Lars Ruthotto

提出完全卷积的序列到序列模型，采用门控线性单元，在WMT'14英德、英法任务中超越LSTM，速度提升十倍。

Jonas Gehring, Michael Auli, David Grangier 等

研究比较人类与深度学习在视觉失真下的识别性能，发现DNN在失真图像上表现不如人类。

Samuel Dodge, Lina Karam

基于SNLI数据的监督学习框架InferSent实现句子表示迁移任务的显著提升。

Alexis Conneau, Douwe Kiela, Holger Schwenk 等

提出ChestX-ray8数据库，结合弱监督多标签分类与定位实现肺部疾病自动识别。

Xiaosong Wang, Yifan Peng, Le Lu 等

提出CTRL模型实现基于自然语言的动作时间定位，显著优于现有方法，提升IoU和召回率。

Jiyang Gao, Chen Sun, Zhenheng Yang 等

提出密集事件字幕模型，结合多尺度提议和上下文信息，显著提升视频事件检测与描述效果。

Ranjay Krishna, Kenji Hata, Frederic Ren 等

引入Parseval网络，通过约束线性和卷积层的谱范数提升对抗鲁棒性，保持近似正交矩阵。

Moustapha Cisse, Piotr Bojanowski, Edouard Grave 等

提出一种从视频中无监督学习深度和自运动的方法，在KITTI数据集上实现与监督方法相当的性能。

Tinghui Zhou, Matthew Brown, Noah Snavely 等

提出残差注意力网络，在CIFAR-10上错误率3.90%，提升0.6%准确率。

Fei Wang, Mengqing Jiang, Chen Qian 等

提出可微分光线一致性（DRC）用于单视图3D重建，结合多视图监督，提升模型性能。

Shubham Tulsiani, Tinghui Zhou, Alexei A. Efros 等