提出基于Wikipedia的开放域问答系统DrQA，结合大规模检索与深度阅读，显著提升准确率。
Danqi Chen, Adam Fisch, Jason Weston 等
提出ProcNets模型，基于大规模YouCook2数据集，实现无需标签的长视频程序段自动划分，显著优于基线。
Luowei Zhou, Chenliang Xu, Jason J. Corso
利用深度强化学习开发社会规范感知的运动规划，实现机器人在繁忙人群中安全高效导航。
Yu Fan Chen, Michael Everett, Miao Liu 等
结合深度外观特征的SORT，显著降低45%的身份切换，提升长时遮挡追踪能力。
Nicolai Wojke, Alex Bewley, Dietrich Paulus
提出基于重要性采样的实用coreset构建框架，优化k-means等多种机器学习问题的样本压缩效果。
Olivier Bachem, Mario Lucic, Andreas Krause
提出BOCA算法，支持连续多保真空间，显著提升优化效率。
Kirthevasan Kandasamy, Gautam Dasarathy, Jeff Schneider 等
提出关系图卷积网络（R-GCN）用于知识图谱补全，提升链路预测29.8%。
Michael Schlichtkrull, Thomas N. Kipf, Peter Bloem 等
提出原型网络用于少样本分类，通过学习类别的均值作为原型，利用欧几里得距离实现高效分类，达成SOTA性能。
Jake Snell, Kevin Swersky, Richard S. Zemel
提出FastQA，基于问句词意识和RNN的简洁神经抽取式问答模型，达到了SQuAD 78.9% F1。
Dirk Weissenborn, Georg Wiese, Laura Seiffe
提出超梯度下降（Hypergradient Descent）动态调整学习率，显著减少调参需求。
Atilim Gunes Baydin, Robert Cornish, David Martinez Rubio 等
DeepFM结合FM与深度神经网络，端到端学习低高阶特征交互，提升CTR预测性能。
Huifeng Guo, Ruiming Tang, Yunming Ye 等
提出一种基于深度学习的图像抠图算法，显著提升复杂场景下的α通道预测精度。
Ning Xu, Brian Price, Scott Cohen 等
本研究提出基于演化策略（ES）作为强化学习（RL）的可扩展替代方案，能在多核环境中高效训练复杂任务。
Tim Salimans, Jonathan Ho, Xi Chen 等
提出基于生成模型的压缩感知方法，若G为L-Lipschitz，随机高斯测量数为O(k log L)，实现高效重建。
Ashish Bora, Ajil Jalal, Eric Price 等
提出结构化自注意力句子嵌入模型，使用2D矩阵表示，提升多任务性能。
Zhouhan Lin, Minwei Feng, Cicero Nogueira dos Santos 等
采用高斯过程的多分辨率地图与信息路径规划，提升农业监测误差45%。
Marija Popovic, Teresa Vidal-Calleja, Gregory Hitz 等
提出大核卷积网络（GCN）提升语义分割性能，达82.2% VOC2012，76.9% Cityscapes。
Chao Peng, Xiangyu Zhang, Gang Yu 等
基于动态认知逻辑DEL的认知规划方法，提升多智能体决策表达能力。
Thomas Bolander
结合自监督学习与模仿，机器人成功操控绳索，使用60K交互数据。
Ashvin Nair, Dian Chen, Pulkit Agrawal 等
采用反向传播在BrainScaleS晶圆级模拟系统中训练深度脉冲神经网络，准确率由72%提升至95%。
Sebastian Schmitt, Johann Klaehn, Guillaume Bellec 等