- 通过推测解码实现更快级联
设计新的推测性串行技术，通过推测执行实现其推迟规则，以获得比串行和推测解码基线更好的成本 - 质量平衡。
- LLM 间在不泄露私人信息的情况下是否可能相互协助？
本研究通过引入隐私保护技术，展示了在具有敏感数据访问权限的情况下，将级联系统应用于机器学习模型中的可行性，并提出了减少信息泄露风险的两种隐私度量方法。同时，通过运用社交学习范式，展示了在多个数据集上，相较于非级联基线，我们的方法不仅最小化了 - 置信度级联推迟何时足够？
通过理论分析和实验证明在级联模型中，基于置信度的预测推迟机制可能会在下游模型专业性、标签噪声和训练集与测试集分布偏移等情况下失效，进而提出后处理推迟机制并展示了其在这些情况下能够显著提升性能。
- 使用受限贝叶斯优化的网络级联漏洞
本文研究电力网漏洞，探讨改变传输线保护设置以产生连锁反应的方法，并通过贝叶斯优化找到最优方案，发现最大程度改变所有线路的保护设置并不会造成最多的连锁反应，资源受限的情况下仍然可以找到导致与无限制下相当严重的级联反应的设置方案。
- ICLR委员会的智慧：一个被忽视的更快更准的模型方法
本文研究委员会模型的效率，揭示即使使用最简单的基于现有预训练模型构建委员会的方法，依然可以在图像分类、视频分类和语义分割等任务中达到与现有最先进模型相当或更高的精度，且速度更快，比如 EfficientNet 级联可以达到超过 B7 5.4 - AAAI稀疏装箱约束的可扩展松弛方法：掠食者猎物网络中的最优生物控制
研究生态经济以及地理领域中具有侵略性物种的扩散现象，提出生物控制策略，并开发一种新的、可扩展的随机算法，优于已有算法并降低有害猎物种群。
- WWW级联是否具有循环性？
在 Facebook 上进行大规模分析，发现内容传播的级联不仅仅是单次性事件，而是在很长的时间尺度上反复出现，其中的内容病毒性是导致级联反复出现的主要驱动因素。
- 从微观到宏观：使用行为动力学揭示和预测信息瀑布过程
本文提出了一个新的方法来预测社交网络中的瀑布过程，使用行为动力学描述微观机制，提出了一个新的网络威布尔回归模型。本文通过数据驱动分析发现了常见的原则和模式，提出了一个可扩展的解决方案来近似瀑布过程和预测其累计过程。在大规模社交网络数据集上进 - ICML基于级联推断图：一个稀疏恢复框架
研究图网络推断问题，探讨基于稀疏恢复的级联模型，提出第一个可以高概率和 O（slog m）的测量找到图的边缘的算法，并能恢复边权及适用于近似稀疏条件下的情景。最后，通过人造数据验证了本算法的可靠性及降低边缘误差和参数估计误差的能力。
- ICML估计扩散网络结构：恢复条件、样本复杂度和软阈值算法
本文使用 l1 正则化最大似然框架研究了一般连续时间扩散模型的网络结构推断问题。我们证明了只要级联采样过程满足自然的不相干条件，我们的框架可以在观察到 O (d3logN) 个级联的情况下高概率地恢复正确的网络结构。此外，我们开发了一个简单 - ICML使用生存理论建模信息传播
应用生存理论，开发出的加性和乘性风险模型可以有效地解决网络推断问题，这些模型可以预测真实数据中级连的长度和持续时间。
- 利用网络设计最大化级联扩散
提出了一种新的优化框架，以最大化网络级联传播的预期扩散，结合网络设计和随机优化元素的混合整数规划 (MIP) 公式提供了具有随机最优性保证的解，为空间保护规划提供了基本不同的保护策略。