- 计算 LTLf 规范的不可满足核心
本文提出四种算法用于提取 LTLf 规范中的不可满足核，并采用实验评估了各种算法和工具的可行性、有效性和互补性。
- 基于图的近似最近邻搜索的综合调查和实验比较
本文综述了 13 个代表性的基于图的近似最近邻搜索算法，通过新的分类和细粒度的流程进行了比较分析和实验评估。该研究提供了优化算法的原则并设计了一种优化方法，可以优于现有的基于图的近似最近邻算法。同时还提供了关于有前途的研究方向和适合不同领域 - 重新思考领域泛化基线
本文针对深度学习部署时出现的不稳定问题，研究了领域泛化方法和数据增强策略。作者聚焦于风格迁移数据增强，展示了如何以简便廉价的策略实现增强，分析了现有领域泛化方法与该策略结合时的表现，并提出了新的领域泛化研究方向。
- 在信息检索评估中追求有意义的陈述：将评估指标映射到区间刻度
通过实验评估，我们发现对于信息检索中评价方法的大多数流行度量标准进行区间缩放可以显著影响结果的可靠性，使不显著差异变得显著，并导致决策结果发生了 25% 左右的变化。
- 算法辅助人类决策的实验评估：应用于审前公共安全评估
本研究开发了一种实验方法来评估算法推荐对人类决策的影响，探讨了算法推荐是否可以促进更好的人类决策，并评估了公共安全评估对刑事司法中法官决策的影响与公平性。
- 一台机器人的 Few-Shot 增量式目标学习
本文介绍了使用少量的视觉示例逐步训练机器人识别不同物体类别的实用系统，并在表格整理任务中演示了该系统的能力。实验评估表明，我们的方法几乎可以达到一次性使用所有示例（批量训练）训练的系统的性能水平。
- 针对背包约束的快速自适应非单调子模型最大化
本研究提出了一种基于随机贪心算法解决非单调子模函数下的背包约束问题的方法，该算法实现了 5.83 近似和 O (nlogn) 时间复杂度；并将其转移到随机版本的问题，得到了首个非单调目标的常数近似，实验表明该方法在实际和合成数据上的性能得到 - SIGIR基于查询级别的增强学习排名集成早期结束
本文探讨了一种新的问题 —— 查询级别早期退出，旨在决定提前停止计算排名集合的收益性。实验结果表明，查询级别早期退出可以显著提高排名质量，并提高排名速度。
- 基于因果关系的分类结果解释
本研究提出了一种基于因果关系概念的分类器结果解释定义，并与以前提出的解释概念进行了比较和研究，同时在金融领域使用两个真实数据集进行了实验评估。
- 学习确证个体公平表示
该论文提出了一种基于潜在表示的证书方法，帮助数据消费者获得现有和新数据点的个体公平性证书，实现了公平性约束和效用之间的平衡，并通过实验评估了该方法在五个真实数据集和多个公平性约束方面的可扩展性和表现力。
- 概括性界限和表示学习用于估计潜在结果和因果效应
本文研究了从记录的上下文、决策和结果中估计单个患者对替代药物的反应的个体层面因果效应的估计，并给出了基于不同治疗组之间的距离度量的误差的概括界限，引导了表示学习算法的开发，该算法通过规范化表示的诱导治疗组距离，鼓励治疗组之间信息的共享来最小 - 域的交集和差集
本文提出了一种方法，可以恢复两个视觉领域之间的共享内容以及每个领域所独有的内容，并且能够基于这种内容映射一个领域到另一个领域；此外，该方法还可以生成在训练中没有这样的样本的情况下两个领域的交点和联合的图像。该方法在实验评价中的表现优于以前的 - KDD利用神经网络代理加速基于物理的仿真：油藏建模应用
本论文基于深度学习方法开发了一个代理模型，以加速油藏模拟，相较于现有业界物理学基础偏微分方程求解器提高了三个数量级，并进行了深入的实验评估。我们证明，在实际环境中，可以实现超过 2000 倍的加速，平均序列误差约为 10％相对于油田模拟器。 - AAAI引导式 Dropout
本研究提出了一种基于引导选择节点赋予权重的智能随机失活方法，在多个数据集上的实验评估证明了该方法在提高深度神经网络泛化能力方面的有效性。
- 基于神经网络的偏见语言陈述分类
本研究提出了一种基于循环神经网络的方法，旨在捕捉引入偏见的短语中单词间的相互依赖关系，并通过实验评估表明其相对于基于词汇表和其他手工特征的竞争对手具有优势，能够以 0.92 的精度区分偏见性语句，最终发布了最大的标记有偏见语言的语料库。
- 利用盒子注意力检测视觉关系
通过引入盒子注意力机制的方式，我们提出了一种新的模型来检测视觉关系，例如 “骑摩托车的人” 或 “桌子上的瓶子”。我们在三个具有挑战性的数据集中进行了实验评估并取得了强大的定量和定性结果。
- 布尔函数综合的难点
通过两阶段算法求解 Boolean functional synthesis，在满足一定条件下的第一阶段可提供正确答案，若不满足条件则第二阶段需通过指数级时间生成指数大小的函数，实验表明算法比现有技术更优秀。
- 远程心率测量可重复性研究
本文研究了远程光电容积脉搏图 (rPPG) 的可重复性问题。建立了一个含有大量被试的、公开的数据库，并选择了三种发表在文献中最前沿的 rPPG 算法作为开放源代码软件进行实现和发布。通过在各种设置下的深入、公正的实验评估，发现没有一种选定的 - 离散分布的差分隐私身份和相似性测试
研究了利用随机样本对离散人群进行身份和相似度测试的问题，目标是开发出高效的测试器，并保证对个人的差异性隐私，提出了一种新的方法，可以产生样本有效的差异私有测试器用于解决这些问题，实验评估证明了我们的方案能够实现与非隐私测试器几乎相同的测试效 - 自动生成学习程序分析启发式特征
本研究提供了一种自动生成数据驱动程序分析特征的技术，利用程序 - 查询对减少和抽象原始程序来生成布尔特征，并在实验评估中表现与手工特征设计的分析相当。