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

提出偏差校正的推荐系统评估与学习方法，基于因果推断实现偏差无偏估计。

Tobias Schnabel, Adith Swaminathan, Ashudeep Singh 等

引入平衡传播框架，结合能量模型与误差反向传播，利用局部扰动实现梯度计算。

Benjamin Scellier, Yoshua Bengio

LIME算法通过局部可解释模型解释任何分类器的预测，提升模型信任度。

Marco Tulio Ribeiro, Sameer Singh, Carlos Guestrin

提出一种基于近似梯度的超参数优化算法（HOAG），在L2正则化逻辑回归和核岭回归中表现优异。

Fabian Pedregosa