无转向采样器（NUTS）通过自适应路径长度提升HMC效率。
Matthew D. Hoffman, Andrew Gelman
提出高效非参数符合预测区域，结合核密度估计与 conformal 方法，保证有限样本覆盖率。
Jing Lei, James Robins, Larry Wasserman
SATzilla利用经验硬度模型实现SAT实例的动态算法组合，显著提升性能。
Lin Xu, Frank Hutter, Holger H. Hoos 等
利用量子状态实现公开验证的量子货币和量子程序保护。
Scott Aaronson
提出子高斯随机向量正半定二次型尾界，类似高斯情形，提供指数级概率界。
Daniel Hsu, Sham M. Kakade, Tong Zhang
提出低维参数置信区间构建方法，突破高维线性模型中变量数远超样本量的限制。
Cun-Hui Zhang, Stephanie S. Zhang
本研究分析0-1损失在噪声容忍中的优势，显示其在非均匀噪声下的稳健性。
Naresh Manwani, P. S. Sastry
利用核电荷和原子位置，通过机器学习模型预测有机分子解离能，误差约10 kcal/mol。
Matthias Rupp, Alexandre Tkatchenko, Klaus-Robert Müller 等
提出一种基于加权的模型无关风险敏感强化学习算法，用于满足约束条件的控制任务。
P. Geibel, F. Wysotzki
Perseus：随机点基值迭代算法，提升大规模POMDP性能
M. T. J. Spaan, N. Vlassis
提出基于线性模型的Gossip学习，结合模型随机游走与集成，保证分布式数据隐私与低通信成本。
Róbert Ormándi, István Hegedüs, Márk Jelasity
提出基于贝叶斯的非线性系统模拟优化实验设计框架，结合多项式混沌和随机逼近提升效率。
Xun Huan, Youssef M. Marzouk
采用GGA+U方法，U=1.9 eV，J=1.2 eV，准确模拟镍的内在异常霍尔导电率，符合低温实验。
Huei-Ru Fuh, Guang-Yu Guo
介绍量子退火及其在复杂优化中的应用，结合具体算法与实验数据。
Diego de Falco, Dario Tamascelli
Grounded Semantic Composition：Bishop任务59%正确率
P. Gorniak, D. Roy
提出了一种基于随机Gossip优化算法的分布式无功功率补偿策略，显著降低微电网的功率分布损耗。
Saverio Bolognani, Sandro Zampieri
SMOTE：合成少数类过采样技术，通过生成合成样本提升不平衡数据分类性能，显著改善AUC指标。
N. V. Chawla, K. W. Bowyer, L. O. Hall 等
提出一种无需已知Lipschitz常数的策略，优化连续臂赌博问题的遗憾界。
Sébastien Bubeck, Gilles Stoltz, Jia Yuan Yu
研究提出了组合预测游戏的极小极大策略，使用Bregman投影和潜力梯度下降，解决了最坏情况下的极小极大遗憾问题。
Jean-Yves Audibert, Sebastien Bubeck, Gabor Lugosi
提出RFCI算法，快速学习高维有向无环图（DAG）中的潜变量与选择变量关系，保证渐近正确性。
Diego Colombo, Marloes H. Maathuis, Markus Kalisch 等