- MM编程语言的演进
该论文探讨了计算机语言的演化与生命的演化之间的联系，重点研究了现有编程语言的特性是如何影响新编程语言的发展的，并提出了一组实验性的语言，以适应新的多核架构的时代。
- 通过逐步多粒度拼图块训练进行细粒度视觉分类
本文提出了一种新颖的细粒度视觉分类框架，其中包括渐进式训练策略和随机拼图补丁生成器，以有效地融合不同粒度的特征，并在多个标准的细粒度视觉分类数据集上取得了最先进的性能表现。
- 利用模型记忆进行校准的白盒成员推断：窃取的记忆
本研究通过对深度神经网络如何发生过拟合的新认识，研究了成员推断攻击，并展示了如何利用模型的内部来提供攻击者成员身份的证据，该攻击方法可校准，并可以有效地进行高精度的成员推论。同时，对于流行的成员推断攻击防御方法，发现较小的一阶差分隐私并不能 - 限制螺栓的基础：使用 LTLf/LDLf 限制规范的强化学习
本文研究科幻作品中的 “束缚螺栓” 概念，并引入了 AI 中的一个新问题，通过强化学习代理和基于线性时间逻辑的限制螺栓特征来探索代理可以在符合限制螺栓规范的情况下学习的情况。
- 基于数据驱动的中层次音乐特征建模方法
通过使用深度学习，本文提取了中等级别的音乐特征和描述符，并在情感识别方面进行了应用。
- 编译器优化中的机器学习
介绍机器学习与编译器优化的关系，并提供了特征、模型、训练和部署的主要概念。对目前不同的研究领域进行了全面调查和路线图，并讨论了该领域的未解决问题和潜在研究方向。本文提供了机器学习基础编译的易于理解的介绍和主要成果的详细文献。
- 文本中的自动语言识别：一项调查
文章介绍了语言识别的概念及其历史，对现有的特征和方法进行了调查和评估，讨论了评估方法、应用和开放问题，并提出了未来的研究方向。
- 操纵与测量模型可解释性
在高风险领域中，机器学习模型已经被广泛用于辅助决策，而开发可解释的模型的兴趣逐渐增加。然而，是否这些模型能实现预期的效果，我们缺乏实验研究来证明。本研究开展了一系列预先注册的实验，展示了具有不同要素的模型，以调查它们的可解释性。结果表明，模 - SIGIR深入探讨深度 IR 模型
本文对深度信息检索模型进行了深入研究，通过对两个不同数据集的实证研究，比较了自动学习特征和手工特征的查询词覆盖率、文档长度、嵌入和鲁棒性等方面的差异，并建立了改进现有深度 IR 模型的指南。同时，我们比较了表示重点模型和交互重点模型这两个不 - 通过搜索维基百科句子进行查询的实体链接
本研究提供了一种简单而有效的方法，利用维基百科文章中与查询类似的句子，并直接使用其中人工注释的实体作为查询的候选实体，然后使用一系列特征来排名，包括概率、上下文匹配、词嵌入以及候选实体及其相关实体之间的相关性。通过该方法我们可以在实体链接基 - 基于深度神经网络的车辆图像分析：一项系统研究
使用深度神经网络方法解决车辆检测和分类问题，提出了在限制数据集大小情况下，如何利用 DNN 进行车辆检测，哪些特征对于车辆分类有用，以及如何扩展模型到极端光照条件。所提出的方法表现优于现有方法，在光照条件极端的图像上取得了有希望的结果。
- MM使用朴素贝叶斯分类器评估英印尼输出的质量
本文提出了一种机器翻译质量估计方法，使用从输入句子中提取的特征并结合朴素贝叶斯分类器构建模型，通过训练数据计算每个句子的可能性并用于测试数据的评分和分类。