- ICLRPROflow: PROTAC 诱导的结构预测的迭代精化模型
通过结构预测方法 PROflow，实现对蛋白蛋白结合的保护性分解模型 PROTac 的全面预测，提高了反向蛋白蛋白结合方法的性能与运行速度，使其可以用于大规模的药物筛选设计。
- 新二维混合有机无机钙钛矿的准确晶体结构预测
这篇论文介绍了一种基于机器学习的方法，能够准确预测新型二维混合有机 - 无机钙钛矿的结构，成功地应用于实验中，并能在大规模应用时高效地筛选成千上万种有机阳离子和无机层的组合。
- STAR: 利用大语言模型生成结构化文本数据增强低资源事件抽取
使用大型语言模型，提出 STAR 数据生成方法用于改善低资源事件抽取表现，数据生成比人工标注更有效。
- ACL具有结构预测的领域特定词向量
本文提出了一种称为 W2VPred 的方法，可以同时提供语料库的通用单词表示、每个子语料库的特定表示、子语料库结构和嵌入对齐，并在 New York Times 文章和两个英文维基百科数据集上进行了实证评估。该方法在一般类比测试、特定于领域 - ACLDeepStruct: 为结构预测预训练语言模型
介绍了一种提高语言模型结构理解能力的方法，它通过预训练语言模型生成的结构来替代以往的基于任务数据的微调方式，并且在包含 28 个数据集的 10 个预测任务上实现了零样本迁移和超越了 21 个数据集的最新成果。
- IJCAI针对知识库的复杂问答的正式查询构建与查询结构预测
本文提出一种新的正式查询构建方法，它包括两个阶段：第一阶段预测问题的查询结构并利用结构约束候选查询的生成；第二阶段按照以前的方法对候选查询进行排名。实验结果表明，我们的正式查询构建方法在复杂问题上表现优异，同时在简单问题上保持一定的竞争力。
- MM利用二次二进制优化预测 3D RNA 折叠模式
本文基于 QUBO 模型，通过添加不同的惩罚和奖励来提高 RNA 三维结构预测的准确性，并使用新的加权相似性结构度量来处理多个近似最优解的问题，同时使用 AlphaQUBO 解算器求解数以千计的二进制变量问题。
- 基于跨任务知识迁移的场景结构指导学习：单深度超分辨率
在没有 RGB-D 成对数据的情况下，为第一次探索如何在训练阶段学习跨模态知识，并在单一深度模态的目标数据集上进行测试。通过构建一个辅助深度估计任务，实现了 RGB 模态中的场景结构指导知识到单一深度模态下的 DSR 任务的跨任务交互。广泛 - 卷积深度网络用于蛋白质折叠质量评估
本研究基于深度学习技术开发神经网络进行蛋白结构评分预测，仅使用三维原子密度数据，无需预定义的结构特征，并在 CASP7 到 CASP10 数据集上进行训练，测试结果表明该网络在多种蛋白质结构上具有良好的性能表现。
- 基于排名增强的列表优化在统计机器翻译中的应用
该研究提出了一种面向结构预测问题的列表学习框架，通过直接对整个翻译列表进行建模，学习可以更好地适应给定列表样本的参数，并提出了更加敏感于排名错误的顶级增强列表损失函数。研究结果表明，该列表学习框架和顶级增强列表损失函数均可以显著提高翻译质量 - COLING一种自然语言中识别论证结构的双阶段方法
提出了一种从自然语言文本中提取论点结构的新方法，其包括评分分配和结构预测两个阶段，评分分配阶段使用不同的训练策略和词嵌入特征对各种关系进行分类，最终预测出最佳结构，实验表明该方法表现优于基线系统。