- CVPRValeo4Cast：一种模块化的端到端预测方法
使用模块化方法，将感知、跟踪和预测模块单独建立并训练，然后通过连续的微调步骤整合这些模块以改善性能，在 Argoverse 2 的终端预测挑战中取得了显著的性能提升。
- MM光场空间分辨率增强框架
光场成像具有捕捉角度和空间光分布的能力，通过模块化方法进行分辨率增强，以每个光场视角独立增强分辨率的纹理变换网络，并利用光场的规则性来同时提高所有光场图像视角的分辨率，相比现有方法在定性和定量评估方面表现出更好的性能。
- 电视节目的多模态摘要的模块化方法
这篇论文主要研究了如何用模块化方法总结电视节目，涉及人工智能研究中的复杂推理、多模态和长篇叙述等关键领域。作者提出了一种模块化方法，通过不同组件执行特定子任务，可以比端到端方法更灵活地实现。论文还引入了一个新的指标 —— 基于 PREFS（ - AAAI假设保证强化学习
我们提出了一种模块化的强化学习方法，其中环境由并行演化的简单组件组成，通过对邻近组件行为进行假设并提供自身行为保证来独立合成每个组件的最优控制器。我们通过将假设 - 保证合同表达为正则语言并自动将其转换为 RL 中使用的标量奖励，结合每个组 - 朝着能够看见的语言模型：通过自然语言镜头看计算机视觉
LENS 是一种模块化的方法，针对计算机视觉问题，利用大型语言模型进行推理，可以应用于零 / 少样本对象识别，以及视觉和语言问题。
- HiGen：层次图生成网络
提出了一种新的图生成网络，以获得具有层级结构的图，并通过模块化方法在层级结构的不同级别生成社区，根据多项式分布对层级图中的边进行建模并成功地捕获了局部和全局性质。
- Open-Domain 会话系统中内存管理的轻松集成
该研究提出了一种简单的方法，通过将记忆管理能力集成到 BlenderBot3 中，并使用自动数据集创建方法来改进 open-domain conversation systems。实验结果表明，多任务培训的 BlenderBot3-M^3 - PIC4rl-gym：一个用于机器人深度强化学习自主导航的 ROS2 模块化框架
本文介绍了一个模块化框架 PIC4rl-gym，通过融合 ROS2 和 Gazebo 以及深度强化学习技术，提高自主导航的灵活性、效率和计算成本，实现智能体的训练和测试，并通过基于完整的指标集选择不同的导航任务进行基准测试。
- 通过交互式分布式认知技能模块进行知识获取
本研究介绍了一种模块化方法，通过分布式认知技能模块实现程序性技能的获取和存储，以扩展其利用的限制。
- 增强驾驶员行为模型用于高保真模拟研究碰撞检测算法
本文使用模拟平台进行了复杂的交通仿真实验，针对连通与自动驾驶汽车的驾驶行为进行了建模，并分析了多种人为与机制相关的因素对交通网络的影响。
- 基于辅助人工智能消除歧义的视觉定位实现虚实转移
本研究介绍了一种基于模块化方法的场景感知机器人视觉定位框架，该方法通过训练每个模块来独立解析实体、属性和空间关系，并结合领域自适应技术解决常见问题。实验表明，该框架与 Sim-To-Real 实现的视觉识别方法相结合，能够提供一种数据高效、 - ACL多语种文本风格转换的语言和任务自适应多语种预训练
本研究利用预训练的 seq2seq 模型 mBART 进行多语种文本风格转换，使用机器翻译数据和英文句子得到了三种目标语言的最新成果。此外，考虑到平行数据的普遍稀缺性，我们提出了一个模块化方法，包括两种针对语言和任务适应的训练策略，实现竞争 - CVPR基于潜力函数的无交互学习的目标导航
该研究提出了基于无交互学习的潜在函数的模块化方法，旨在解决物体目标导航的计算资源和时间成本问题。通过训练预测两个互补潜在函数的网络，方法可以在不与环境交互的情况下决定何时寻找看不见的物体，进而实现 ObjectGoal 导航，证明该方法能够 - ACLCHOLAN: 基于模块化方法的维基百科和维基数据神经实体链接
本研究提出了 CHOLAN，这是一种模块化的方法，旨在针对知识库的端到端实体链接 (EL)。CHOLAN 由一个由两个基于 Transformer 模型的管道组成，用于按顺序完成 EL 任务。实验结果表明，CHOLAN 在标准数据集上优于现 - 使用 Transformer 的拓扑规划实现视觉语言导航
本文介绍了一种基于模块化方法的视觉和语言导航技术，使用拓扑地图和注意机制来生成导航计划，并通过低级动作执行控制器实现。实验证明，该方法在自由遍历环境下优于以往的端到端方法。
- ZoomCount：静态图像人群计数的缩放机制
本文提出了一种新的方法，在静态图像中高效地进行低到高密度场景下的人群计数，该方法通过模块化的形式对极端情况进行特别分析，有效地解决了现有方法不能满足高度多样化人群分类和背景混杂的问题，并经过了广泛的实验评估，证明在不同标准下优于现有技术。
- AAAI神经网络学习中复杂性管理的一种手段：模块化
提出一种模块化的神经网络设计方法，将神经网络分解为控制模块和多个实现基本操作的功能模块，以提高训练速度、训练稳定性和可维护性，并通过比较整体和模块化神经网络在排序问题上的表现来说明模块化概念，同时讨论了在模块化神经网络中出现的一些问题。
- 迭代训练程序添加差分隐私的一般方法
本文介绍了一种模块化方法，可以最小化对训练算法的更改，提供各种隐私机制的配置策略，并隔离和简化计算最终隐私保证的关键逻辑，以解决在隐私敏感数据集上训练机器学习模型所面临的实际挑战。
- AAAI建设具有道德约束的人工智能
本文提出伦理约束 AI 的概念，探讨在 AI 普及的情况下如何确保 AI 代理具备合适的伦理品质与决策技能，涉及决策制定中的模块化和组合方法。
- EMNLP谈判对话中的策略解耦与生成
本文提出一种基于自然语言的交易协商机制，使用层次对话行为和监督学习、强化学习或领域特定知识对策略进行灵活设置，并利用检索式生成来维持上下文感知性和产生多样化话语。结果表明我们的系统比之前的方法具有更高的任务成功率和更类人的谈判行为。