- EMNLP代码优化：自动生成的正确性和效率偏好数据
Code-Optimise 是一个框架，通过自动生成的偏好数据将正确性（通过，失败）和运行时间（快，慢）作为学习信号引入，实现了显著提高 in-domain 数据的 pass@k 的同时将竞争性基准运行时间额外降低 6％，并且对 out-o - 大型语言模型微调的优化研究
研究中通过深入研究 Fine-tuning 的优化策略和技术，探讨了对于具有大量参数的语言模型在 GPU 资源限制下，平衡内存和运行时间的最佳优化方案。
- CVPR第九届 NTIRE 2024 高效超分辨率挑战报告
该论文综述了 NTIRE 2024 挑战赛，重点关注高效单图像超分辨率（ESR）解决方案及其结果，并提供了基于低分辨率和对应高分辨率图像对的放大因子为 x4 的输入图像进行超分辨率处理的任务描述。
- 广义针问题上随机局部搜索的运行时间
C. Doerr and Krejca's research explores the influence of needle radius on the runtime of the randomized local search heu - 全新的角色扮演加速方法：矩阵游戏和平滑函数的最大化最小化
算法设计为在欧几里得或单纯形域内最小化 max (f_i (x))，若每个 f_i 为 1-Lipschitz 和 1 - 光滑函数，我们的方法可以在评价复杂度中找到 ε- 近似解，并具有优化性能。
- 几乎验证时间内的矩阵完成
我们提供了一个解决低秩矩阵完成问题的新框架，通过聚合涉及观测的回归问题的解来将矩阵 M 完成，并改进了之前已知的算法的样本复杂度和运行时间。
- 基于量子退火的多样化 Kemeny 排名聚合启发式算法
本文描述并实现了如何使用量子退火器解决 Kemeny Rank Aggregation 问题，并使用 2 种数据缩减规则与模拟退火和局部搜索等经典算法进行对比研究量子退火器的运行时间、解决方案的质量和多样性。
- $(1+(λ,λ))$ 全局 SEMO 算法
本研究设计了一种遗传算法以及动态参数设置，针对多目标优化问题达到更快的运行时，并在算法证明过程中对其在运行时方面进行了验证。
- 请注意根节点：解码依存句法分析的树形结构
该研究分析了依存树和生成树之间的关系，发现依存树的根节点只能有一条边出去，提出了一种有效的算法解决这个约束问题，并且没有影响原来的运行时间。
- TriMap：使用三元组进行大规模降维
TriMap 是一种基于三元组约束的降维技术，能够更好地保留数据的全局结构，相比 t-SNE、LargeVis 和 UMAP 等常用方法，它具有更快的运行时间和更好的簇相对位置，而且能够处理数百万个点。
- 亚高斯速率下的快速均值估计
提出了一种估计随机向量均值的估计器，时间复杂度为 $O (n^4+n^2d)$，其误差界限符合亚高斯分布。与 Hopkins（2018）介绍的基于二次项和谐级数的多项式时间估计器一样，在具有有限均值和协方差的数据分布方面，效率最高，但运行时 - 自动驾驶快速场景理解
本文提出一种基于 ENet 的实时高效实现，可以同时解决语义场景分割、实例分割和单目深度估计三个自动驾驶相关任务，不会因同时运行多个任务而牺牲准确性。
- EMNLP神经机器翻译集成的展开和收缩
该研究通过将集合模型解开成单个大型神经网络，并采用降维技术，旨在提高神经机器翻译的性能和运行速度。在英日翻译任务中，该网络的大小和解码速度与单个 NMT 网络相当，而性能却相当于一个 3-ensemble 系统。
- 神经机器翻译的领域控制
通过对多个领域进行翻译的唯一神经网络在运行时进行的域控制技术，生成的神经机器翻译模型不需要针对每个领域重新估算模型参数，为真实使用场景提供了一种有效的方法，且无论是针对任何一个领域还是针对未知域的数据翻译，本文所提出的新技术都显示了质量的提 - 带图像去噪的近似信息传递压缩成像
本篇文章介绍了一种更有效且更快的压缩成像算法，其中将近似消息传递 (AMP) 框架和基于小波的图像去噪器相结合，提供了两种压缩成像算法 (AMP-ABE 和 AMP-Wiener)，并通过数值实验验证了它们在运行时间和重建质量方面的性能优于 - 进化算法中，大的种群规模可能并不有益
本文分析种群在进化算法中的作用和影响，证明了大规模种群不总是有益的，讨论了其影响机制和节约计算时间的方法。
- 近似稀疏恢复：优化时间和测量
研究如何构建稀疏恢复系统，以最小化测量矩阵的数量和解码算法的运行时间，给出了一个具有优秀性能的系统，其中测量矩阵的数量与下界相匹配，且解码时间为下界的对数倍。同时还考虑了编码时间、更新时间、算法的鲁棒性和稳定性。