提出“故事闭合测试”评估框架，基于ROCStories语料库，强调因果关系理解，模型表现不足。
Nasrin Mostafazadeh, Nathanael Chambers, Xiaodong He 等
提出一种无需辅助优化的贝叶斯优化方法，实现指数级收敛，突破δ-cover采样限制。
Kenji Kawaguchi, Leslie Pack Kaelbling, Tomás Lozano-Pérez
CMA-ES是一种基于协方差矩阵自适应的随机优化算法，适用于非线性非凸连续函数，显著改善搜索效率。
Nikolaus Hansen
提出3D-R2N2，结合LSTM实现单多视角3D重建，无需标注。
Christopher B. Choy, Danfei Xu, JunYoung Gwak 等
提出层次导航小世界图（HNSW）实现高效鲁棒的近似KNN搜索，性能优于现有方法。
Yu. A. Malkov, D. A. Yashunin
通过解决拼图任务实现无监督视觉表示学习，超越现有方法。
Mehdi Noroozi, Paolo Favaro
提出自适应计算时间（ACT）算法，动态调节RNN的计算步数，显著提升多任务性能。
Alex Graves
提出InstanceFCN，基于像素相对位置分类实现实例级分割，提升提案性能。
Jifeng Dai, Kaiming He, Yi Li 等
结合高斯条件随机场与深度学习的语义图像分割方法，在VOC PASCAL 2012上取得显著提升。
Siddhartha Chandra, Iasonas Kokkinos
专家驱动方法提取网页数据知识，提升准确性。
Juan M. Tirado, Ovidiu Serban, Qiang Guo 等
提出基于图结构的图示解析与问答模型，利用DPG实现对超过5000个科学图示的结构与语义理解。
Aniruddha Kembhavi, Mike Salvato, Eric Kolve 等
详细解析卷积算术关系，涵盖输入、核、填充、步长与输出尺寸的数学推导。
Vincent Dumoulin, Francesco Visin
提出多保真高斯过程Bandit优化（MF-GP-UCB），结合多保真信息提升黑箱函数最大化效率。
Kirthevasan Kandasamy, Gautam Dasarathy, Junier B. Oliva 等
提出无监督卷积神经网络单视角深度估计方法，利用立体图像几何关系实现无需标注的训练。
Ravi Garg, Vijay Kumar BG, Gustavo Carneiro 等
提出基于双向LSTM-CRF和转移模型的命名实体识别架构，无需语言特定资源。
Guillaume Lample, Miguel Ballesteros, Sandeep Subramanian 等
提出分子图卷积（Graph Convolutions）架构，利用原子和键的结构信息，提升药物筛选的模型表现。
Steven Kearnes, Kevin McCloskey, Marc Berndl 等
ADVI自动推导变分推断算法，支持非共轭模型，提升大规模数据分析效率。
Alp Kucukelbir, Dustin Tran, Rajesh Ranganath 等
提出权重归一化，通过重参数化加速深度网络训练，提升收敛速度。
Tim Salimans, Diederik P. Kingma
提出Visual Genome数据集，结合密集对象、关系、属性标注，促进图像理解与推理。
Ranjay Krishna, Yuke Zhu, Oliver Groth 等
使用序列到序列RNN进行抽象文本摘要，提升了两个语料库的性能。
Ramesh Nallapati, Bowen Zhou, Cicero Nogueira dos santos 等