- 环游世界 60 词：用于在线研究的生成性词汇测试
通过 Wikipedia 生成词汇测试，评估参与者的母语能力，可以在不同语言文化背景下了解文化、认知和语言的视角，通过六项行为实验测试结果表明，这个测试可以区分母语相近的语言，测试结果与现有测试成绩和个人报告结果有很强的相关性。
- AAAI利用虚拟现实模拟人机紧急撤离场景
本篇论文主要介绍了作者最近采用虚拟现实技术来模拟具有威胁性的紧急疏散场景，并重点探讨了机器人引导在紧急疏散场景中的有效性，旨在通过模拟实践评估多种不同因素，以期提高人们在实际紧急疏散中的应对能力。
- 行人属性识别的反思：在零样本行人身份设置下的可靠评估
该论文对行人属性识别的现状进行了回顾和思考，并提出了两个根据零样本设置构建的数据集 PETA extsubscript {$ZS$} 和 RAP extsubscript {$ZS$}，介绍了多个用于未来评估的真实准则，还重新实现了现有的最 - ICLR通过蒸馏法获得推广界限
该论文从理论上研究了高复杂度网络的蒸馏问题，并使用了数据增强来展示它的好的泛化性，并配合计算图缩减技术和实验来证明它具有实际应用价值。
- ACLAnswerQuest: 从多段落文档生成问题答案项目的系统
一种促进阅读理解的策略是以问答形式呈现信息。我们展示了一个集成了问答和问题生成任务的系统，用于生成传达多段文档内容的问答项。我们报告了一些 QA 和 QG 的实验结果，并评估了它们如何相互作用以产生文本的 Q&A 列表。该演示可在 qna. - 度量解缠性：指标综述
本文综述了学习因素分离和表示在人工智能中的重要性，提出了影响因素分离度量的三个家族，即基于干预、基于预测和基于信息的，通过实验和分析揭示了具有因素分离特性的表示的属性之间的关系，并提供了衡量因素分离的指导方针。
- ACL自动域适应优于手动域适应在预测财务业绩方面
本文研究使用情感词典预测金融收益，比较三种方法，并通过实验发现自动适应情感词典的预测能力优于人工适应，且基于上下文的标注方法比基于先验知识的方法更为准确。
- 具有相关臂的多臂赌博机
针对多臂赌博机框架中奖励之间相互关联的情况，我们提出了一种统一的方法来优化这种关联并基于这种情况推广经典赌博算法，其中 C-UCB 是上置信边界算法的相关版本。我们证明了算法的正确性，并通过 MovieLens 和 Goodreads 数据 - ACL为抽象性摘要评分句子单个和句子对
本研究旨在构建一个人类方法的框架，通过在统一空间中对单句和句对进行排名，以填补句子选择和融合的差距，支持通过压缩单句和融合句对来概括文献。在单篇和多篇文献总结数据集上开展广泛的实验，并报告了关于句子选择和抽象的发现。
- ICML任意损失和模型的互补标签学习
本文提出了一种基于互补标签学习的框架，通过无偏估计分类风险来进行模型选择，且适用于线性 / 非线性模型或凸 / 非凸损失函数，实验表明该方法优于现有方法。
- 组合半臂老虎机的汤普森抽样
本文研究了 Thompson 采样方法在随机组合多臂赌博机框架中的应用，分析了多种算法的累积遗憾，并给出了上限界以及其他算法之间的比较结果。
- 对称式变分自编码器及其与对抗学习的联系
提出了一种新形式的变分自动编码器 (VAE)，其基于对称的 Kullback-Leibler 散度，证明了学习其结果的对称 VAE (sVAE) 与先前开发的对抗性学习方法有密切的联系，对 VAE 和对抗性学习之前的不同技术进行统一，提供了 - AAAI情感聊天机器：利用内部和外部记忆的情感对话生成
本文提出了 Emotion Chatting Machine（ECM），它可以生成不仅在内容（相关和语法）而且在情感（情感一致）上都恰当的响应。通过嵌入情感类别、捕捉内部情感状态的变化以及使用外部情感词汇，ECM 使用三种新机制来解决情感因 - 门控循环神经网络的门控激活信号分析及其与音素边界的相关性
本文分析了门控循环神经网络中的门激活信号，并发现这些信号的时间结构与音素边界高度相关。通过一系列音素分割实验进一步验证了这种相关性，与标准方法相比，取得了更好的结果。
- AAAI基于矩阵完成的 Top-N 推荐系统
该研究提出了一种基于低秩假设的推荐算法，用非凸秩松弛而不是核范数来提供更好的秩近似和高效的优化策略，经过实验证明，该方法将 Top-N 推荐的准确性提升到了一个新的水平。
- 变分公平自编码器
研究如何学习能保留数据中大部分信息且对于某些噪声或敏感变化因素具有不变性的表示形式，提出了一种基于变分自编码器的模型，包括鼓励灵敏因素和潜在因素独立的优先知识和基于 “最大均值差异”（MMD）的附加惩罚项，实验证明该方法比以前的工作更有效。
- 超参数对神经网络 SGD 训练的影响
大规模实验探索神经网络分类器的超参数及其交互作用。
- 额外机会广义混合蒙特卡罗
本文研究了一种名为 Extra Chance Generalized Hybrid Monte Carlo 的方法，以避免在混合 Monte Carlo 方法和相关算法中出现拒绝的情况，在延迟拒绝的精神下，每当即将出现拒绝时，会额外做一些工 - 随机投影实验
该研究阐述了随机投影的应用，作为降维技术来学习高斯混合模型，并通过实现合成和真实数据的广泛实验来说明此方法的可行性。
- 投影的集中定理
通过实验探索了线性投影、球形高斯分布、比例混合、偏心系数等相关问题。