- 「您应该阅读此文」：文本中的对冲检测
通过应用联合模型，结合词语和词性标记以提高文本中的避险检测能力，并在 CoNLL-2010 维基百科语料库上取得新的最高得分。
- WWW搜索和检索增强生成的列表感知重排序 - 截断联合模型
我们提出了一个联合模型（GenRT），通过生成式编码 - 解码结构将重新排序和截断这两个任务同时进行，从而解决了信息检索中重新排序和截断任务之间的问题。实验证明，我们的方法在网络搜索和检索增强的大语言模型上的重新排序和截断任务均达到了最佳表 - JPIS：面向基于配置文件的意图检测与槽位填充的联合模型及槽位到意图的注意力
JPIS 模型利用支持的个人资料信息增强了基于个人资料的意图检测和槽位填充的性能，并引入了槽位到意图的注意机制，从而取得了超过先前模型的性能，在中文基准数据集 ProSLU 上建立了最新的最佳性能。
- 联合多种意图检测和槽位填充的受监督对比学习和自蒸馏方法
我们提出了一种通过双向联合模型以及监督对比学习和自我蒸馏的训练方法来解决多意图检测和槽填充问题，并且实验证明该方法在这两个任务中的表现优于最先进的模型。
- 联邦神经主题模型
本文探讨了用于主题建模的联邦学习方法，以解决跨数据源分析时的隐私问题，并提出一种基于最先进的神经网络主题模型实现的联邦实现方案，保护各节点的隐私。实验结果表明，与中心化方法相比，该方法在跨节点文档主题多样性和构建联合模型方面更具优势。
- 阿拉伯语中零指代和非零指代的联合共指消解
本文提出了两种用于联合解析阿拉伯语中无指代的零代词和非零代词的架构，并在此基础上进行评估，同时创建了一个新版本的阿拉伯语子集的共指解析数据集。
- ACL在图像之外进行推理的时间和场所
本研究介绍了 TARA 数据集，并探索了基于分段推理的开放式推理问题，结果发现现有模型和人类表现之间存在 70% 的差距。
- ICML多任务学习的博弈论模型
本文介绍了一种新的多任务学习优化过程 Nash-MTL，提出了一种将多个任务之间的梯度组合看作为协商议价游戏的方法，并将合理的 Nash 议价解作为多任务联合优化的原则方法。在实验中，我们显示 Nash-MTL 取得了各领域多个多任务学习基 - 越南文意图检测和槽填充
本文提出了以越南语为主题的第一个公共意图检测和插槽填充数据集，同时提出了一种联合模型用于意图检测和插槽填充，并通过将意图上下文信息显式地纳入插槽填充中来扩展最新的 JointBERT+CRF 模型，实验结果表明，所提出的模型明显优于 Joi - ACLASAP: 面向方面分类情感分析和评级预测的中文评论数据集
本文介绍了一项有关餐厅评论数据的研究，数据集包含了 46,730 条来自中国领先在线到线下（O2O）电子商务平台的餐厅评论，每条评论都按照其对 18 个预定义方面类别的情感极性进行手动注释，并提出了一种直观而有效的联合模型用于方面类别情感分 - EMNLP面向方面情感三元组提取的位置感知标记
本文提出了一种新型的定位感知标注方案，旨在通过序列标注方法达到同时提取目标实体、与其相关的情感和原因的任务，实验证明了这种方法可以改善现有方法的性能。
- ACL子集选择的半监督数据编程
本文提出了一种半监督的数据编程范式，使用规则 / 标注函数和半监督损失函数基于特征空间学习联合模型，此外，还研究了在联合半监督数据编程目标之上进行子集选择的模型，并在七个公开数据集上表现显著优于其他状态下的模型。
- EMNLP基于 Token 级别意图检测的栈传播框架用于口语理解
该论文提出了一种新的用于自然语言理解的框架，采用了联合模型和 Stack-Propagation，旨在更好地结合意图信息以进一步指导填槽，使用 BERT 模型进一步提升了性能。
- CVPR基于活动的弱监督目标检测
我们的研究工作在弱监督目标检测方面尝试利用不仅仅是物体类别标签，还使用数据中关联的动作标签；我们发现图像 / 视频中描绘的动作可以为相关物体的位置提供强烈的线索，并利用动作学习了一个与物体相关的空间先验，并将其融入到联合目标检测和动作分类模 - EMNLPTwoWingOS: 一种用于证明性主张验证的双翼优化策略
认定给定主张是否得到支持是一个基本的 NLP 问题，本文提出了一个名为 TwoWingOS 的系统，该系统通过联合处理适当的证据识别和支持或反驳该主张，将这两个方面结合起来进行了优化，实验结果表明其性能达到了最先进水平。
- 在 Hashtag 监管中分离自我表达和视觉内容
本文介绍了一种基于联合分布的图像标记方法，该方法能够有效地解决用户提供的主观性标签在图像标记和检索过程中带来的问题，并提出了一种用户条件检索和标记方法。