- GPT 是否真正理解？一种用于衡量人类与人工智能对算法理解的分层量表
大语言模型的理解研究，重点是理解算法，通过层次结构设计、人类和大语言模型的研究，揭示相似性和差异性，该研究可用于跟踪人工智能在认知领域的进展。
- 在 Poincaré Ball 中进行层次语义分割：降低父节点偏见
本文通过多个跨领域实验，重新评估了语义分割中使用层次结构的有效性，发现在新的测试领域中，扁平化的分割网络优于层次结构方法，并且通过使用 Poincaré 球模型，超几何空间的表征方法在分割精度上显著优于传统的欧氏空间层次结构方法，在父节点的 - KDD重新思考具层次感的标签关系建模在人类活动识别中的应用
通过分析全局标签关系，提出将层次结构作为关键因素，通过图形化标签关系建模进一步改进人类活动识别模型，并验证该提议在复杂人类活动数据上的优势。
- GARField：基于辐射场的群体聚合
通过优化一个尺度条件的三维亲和特征场，我们介绍了一种将 3D 场景从图像输入分解成一组具有语义意义的层次结构的方法，可以通过自动树构建或用户交互获得一组可能的分组层次结构。
- 针对层次感知图嵌入的 Poincaré 差分隐私
提出了一种名为 PoinDP 的 Poincaré 差分隐私框架，用于基于双曲几何的层次感知图嵌入的保护，通过学习双曲空间中的层次权重和自适应分配隐私保护强度来解决现有隐私保护框架在层次传播中保护能力不足的问题，实现了在节点分类任务上既能有 - 关于边依赖在图生成模型中的作用
通过引入一种新的评估框架，本文提出了一种新颖的图生成模型，并强调了模型生成的图重叠对于确保准确性和边缘多样性的重要性。该文对图生成模型进行了分层，并根据模型重叠推导出了三个级别的理论界限。作者还引入了新的生成模型，并通过在真实数据集上的评估 - 层次化” 视觉表征是否层次化？
通过在 HierNet 数据集上进行广泛评估，我们得出结论，分层可视化表示并不比标准表示更好地捕捉层次关系，但在搜索效率和可解释性等方面有所帮助。
- 基于层次利用 S - 图进行更快优化
通过利用层次结构和压缩冗余机器人姿态来减小图的规模，我们提出了改进版的 S-Graphs，相较于基线，实现了类似的准确性，并在计算时间上减少了 39.81%。
- ACL从关键点到关键点层次结构：结构化和表达式意见摘要
本研究提出了一种新的文本推导图谱的类型，并在商业和产品评论中建立了高质量的基准数据集 ThinkP，对比了不同的预测方法，开发了分层技术用于组织文本，通过应用方向性分布相似性方法到关键点的新分布式表示，加强了该任务中现有的强基线性能。
- 重新发现 CNN 在原始电子病历文本编码中的多功能性
本文利用具有层级结构的卷积神经网络对电子健康记录进行编码，提高临床任务执行的性能和内存利用率，并通过广泛实验给出实际操作指南。
- AAAI通过奖励塑造在基于情节的强化学习中利用多重抽象
研究提出了一种基于奖励设计的强化学习算法，通过使用层次结构的抽象模型，将抽象层级中的解决方案用于指导更复杂领域的学习，从而提高了学习效率且具有实际应用价值。
- CVPRHIER: 层次正则化度量学习超越类标签
本文提出了一种新的监督学习正则化方法，名为 HIER，它可以在超几何空间中学习层次代理以逼近训练数据的语义层次结构，为度量学习提供更丰富和更细粒度的监督，并在四个标准基准测试中实现了最好的表现。
- AAAI不确定性感知的图像字幕生成
本文提出了一种基于不确定性的图片字幕生成框架，通过并行迭代地从易到难插入不连续的候选单词，将高不确定性的单词在较晚阶段生成，以生成更直观、可解释的字幕。在训练中，作者利用一种基于图像的词袋模型来衡量单词的不确定性，并运用动态规划算法构建训练 - 发展网络二，其最优性和 emergent Turing Machines
本文论述了强人工智能的必要性，介绍了一种名为 DN-2 的新一代发展型网络，该网络能够自动构建一个流动的内部层次结构，以最大限度地利用有限的资源并具有最大似然性优势，同时通过实验证明了其通用性。
- 奖励机器的层次结构
提出了一种通过赋予奖励机器能够调用其他奖励机器的能力从而形成奖励机器层级结构的形式化方法，并使用课程学习方法从代理观察到的示例跟踪中诱导奖励机器层级结构。实验证明，与平面奖励机器相比，利用手工建立的奖励机器层级结构可以更快地收敛，并且学习奖 - CVPR高维数据降维的层次最近邻图嵌入方法
提出了一种基于层次结构的 1 - 最近邻图的新方法，可以在保留数据分布多个级别的分组属性的同时，实现具有可解释机制、可视化品质高、运行速度快且可用于多种场景的非监督降维技术，并在不同规模、不同维度的多个数据集上进行了性能比较。
- 可传递信息理论及其在深度生成模型中的应用
本文介绍了一种基于控制先验和层次结构的基于变分自编码器 (SemafoVAE) 来实现分离表示和生成高质量图像的方法。
- ICLRMIDI-DDSP: 通过分层建模详细控制音乐表演
本文介绍了一种多层次音乐乐器模型 MIDI-DDSP，该模型具有真实的神经音频合成和详细的用户控制能力，通过利用可解释的层次结构，提供了自下而上控制、优化、创造音乐的方式。
- 具有分类标签的半监督学习
本文提出了一种使用粗略的分类标签来训练细粒度领域图像分类器的技术，并证明在 Semi-iNat 数据集上实现了显著的性能提升，其中相对增益较大的是在细粒度标签的情况下进行训练和使用半监督学习算法 FixMatch。
- ICCV多分辨率深度隐式函数用于 3D 形状表示
本文提出了一种名为 MDIF 的多分辨率深度隐式函数，该模型可以在进行 3D 重建时恢复精细的几何细节，并支持多种应用，其创新点在于可以同时表示不同细节级别并支持逐步编码，支持编码器 - 解码器推理、仅解码器潜在空间优化，并在形状完成任务下