- 通过大型语言模型引发问题规范
大型语言模型可以用于将自然语言中的问题类映射到半正式规范中，以解决相关问题，并通过去除问题界定的中间步骤来加快认知系统研究的速度，同时保留认知系统的核心能力，如强大的推理和在线学习。
- EMNLP有效解决问题是实现自然语言处理翻译的关键：以 UMLS 词汇插入为案例研究
研究了大型语言模型在实际应用中的效果，以 UMLS 词汇插入为例，提出了新的问题形式，构建了数据集和强基准模型，并提出了一种规则增强的生物医学语言模型，以提高插入效率和质量。这表明问题的形式对于实现应用化的 NLP 解决方案的成功至关重要。
- AI 商业优化协同执行员：生产调度框架及案例研究
利用预训练的大型语言模型，在商业优化中提出 AI-Copilot，通过微调模型解决问题建模中的挑战，包括模块化和提示工程技术，开发适用于商业优化问题的复杂问题表述，并设计了更适合评估问题表述准确性和质量的性能评估指标。实验结果表明，我们的 - 规划优化问题：公式和框架
提出了统一的计划优化问题（POP）公式，以及可高度可扩展的开放式计划优化框架（OPOF），用于指定并以可重用的方式解决这些问题的软件框架。该研究主要关注规划参数的学习和自动调节优化，解决了条件问题实例的内部参数自动调整的挑战。
- 探索 SLS 算法中长尾运行时间的理解
本论文研究了使用随机局部搜索解决基于满足性问题的 SAT 问题的流行范式，以及通过学习逻辑蕴含来改善求解器性能，并提出了一种生成逻辑等价问题形式的方法，进一步深入研究学习逻辑蕴含如何影响 SLS 运行时间的问题。
- ICLR通过基于社区的系统动态参与式问题制定，实现更公平的机器学习
本文介绍社区基础系统动力学 (CBSD) 方法作为一种促进典型被排除利益相关者参与机器学习系统开发中问题构建阶段、促进深入理解问题并缓解偏差的方法。
- 问题表述与公平性
探讨数据科学中问题制定的复杂性，指出问题制定中的规范评估常常被视为理所当然，然而这些评估可能会引发截然不同的伦理问题，并提出了实际问题制定工作的重要性。
- IJCAI多智能体路径规划在实际场景中的泛化
讨论多智能体路径规划在现实世界场景中通用的问题和四个 解决方向，并强调解决这些问题的重要性，反对仅仅开 发更快的标准 MAPF 问题求解方法。
- CVPR结构化递归神经网络：时空图上的深度学习
本文提出了一种结合高级时空图和序列学习成功的递归神经网络（RNN）的方法，通过将任意时空图转化为丰富的 RNN 混合物来提高模型性能，适用于模拟人类运动到对象交互等多种问题领域。