- 无标签遗忘：深度模型的无监督遗忘
提出无监督学习方法，使用变分方法近似剩余数据的表示分布，并通过对比损失实现与原始模型表示的匹配，以实现深层模型中的遗忘与预测性能保留。
- 在 Dirichlet 混合模型中高效估计 KL 散度的变分方法
该研究通过引入一种新的变分方法，解决了计算成本高的蒙特卡洛方法在估计 Dirichlet 混合模型中 Kullback-Leibler 散度的问题，从而显著提高了计算效率，验证结果表明该方法优于传统的蒙特卡洛方法，为多样的 DMM 模型的快 - 时间相关多电子薛定谔方程的基于第一原理的变分波函数
这项研究介绍了一种变分方法，用于描述多电子量子系统的时间演化，在捕捉多体相关性方面超越平均场近似，通过参数化时间演化的量子态来近似状态的演化，并利用时间相关的 Jastrow 因子和反流变换来考虑电子的相关性。研究还展示了使用神经网络来参数 - 生成内在优化：具备模型学习的内在控制
采用变分方法联合学习估计互信息和动力学模型的必要数量，提供了一种结合不同形式感兴趣结果的广泛框架，将内部激励与奖励最大化相结合，以增强样本效率并将环境的不确定性纳入决策中。
- 扩散模型求解逆问题的变分视角
本文提出一种基于变分法的正则化方法 RED-Diff 来解决扩散模型后验分布不可计算的问题，通过在不同时间步引入不同的去噪器来实现对图像结构的约束，进而提高扩散模型在图像修复等领域的应用性能。
- 关于算法提升固定点计算
本文探讨算法指数增长的思维实验，重点在于阐述该思想在指数增长定点计算算法中找到了实际应用。作者提供了一种名为算法增强的推进迭代定点计算收敛的通用方法，还介绍了该方法能够在收敛速度上实现指数级加速，最后讨论了算法实现有关的问题，特别是对于标量 - ACL基于知识的会话中的表达学习
本研究提出一种基于变分方法的分段生成模型，使用两个序列潜状态变量分别表示响应的结构和内容风格，以探索响应中的隐含知识表达模式，并在两个基准测试中获得较好的评估结果。
- ICCV利用全局 $TGV$ 最小化算法实现离线表面重建
利用图形处理器对超大规模深度图像进行曲面重建，其基于可见性噪音过滤特性和 GPU 友好的总体广义变分最小化（$TGV$）算法的离线部分的适应性。
- ICML高斯过程自适应诱导点选择
这篇研究论文介绍了一种在线学习高斯过程（Gaussian Processes）的方法，其中采用了有效的变分方法并使用了稀疏技术来降低观测数据的数量，并对 inducing points 进行自适应添加，从而提高算法的性能。
- ACL变分弱监督情感分析与后验正则化
本文提出了一种基于后验正则化的变分方法用于弱监督情感分析，通过控制标签分配的后验分布实现对情感分析的更好约束，实验结果表明，该方法可以提高弱监督情感分析的效果并且具有更小的预测方差。
- 全局深度变分：反问题的稳定正则化器
介绍了一种新的数据驱动的总变分正则化器，将反问题的变分公式与深度学习相结合，使用卷积神经网络提取多尺度和连续块中的局部特征， 实现了全局优化控制和相对于正则化器的参数和初值的稳定性分析，并在众多成像任务上实现了最先进的结果。
- AAAI隐私和公正的变分方法
本文提出了一种新的变分方法来学习私有和 / 或公平的表示，该方法基于一个新的隐私和公平优化问题的拉格朗日形式，并展示了保持所需信息水平的数据表示，并在最小化保留信息的同时控制效用与隐私或公平平衡的相似之处和可行性。该方法可舒适地纳入常见的表 - 变分时间抽象
本文介绍了一种用于序列数据学习和推理的变分方法，即基于变分时间抽象（VTA）的分层循环状态空间模型，该模型能够推断潜在的时间结构并因此进行随机状态转换分层；同时本文还提出了将该模型应用于增强想象学习中的跳跃想象能力实现，并且实验验证表明本文 - 一般光照条件下的变分未校准光度立体重建
本文提出了一种高效的原则性变分方法来进行低限制的反射光照下未校准的 Photometric Stereo 技术，其中近似于通过球形谐波展开的兰伯特反射模型，通过单个变分问题来联合恢复形状，反射和光照。
- 关于二阶时间相关均场博弈的原始二重算法实现及局部耦合
本文研究具有本地耦合的时变均值场博弈系统的数值逼近，使用基于变分方法的离散化方法，并应用 Chambolle 和 Pock 介绍的原始 - 对偶算法来解决其有限维变分问题，特别是使用适当的预处理迭代算法来改善解决线性系统的方法。
- 混合量子 - 经典算法的实用优化
本文介绍了基于变分方法的新型混合量子 - 经典算法类别，重点是探究了优化方法和精度水平对变分算法的性能影响，最后提出了用拟牛顿优化方法执行量子逼近优化算法的结果。
- 高斯过程的变分傅里叶特征
本篇论文提出了一种组合变分方法和光谱表示的高斯过程近似算法，通过研究高斯过程的光谱特征和协方差，进行了相关推导和分析，并将该算法应用于 Matern 核和高维数据的处理中，结果表明该算法在计算速度和精度方面都表现出色。
- 变分库普曼模型：利用短暂的非平衡模拟得到慢的集体变量和分子动力学
本文提出了一种使用 Koopman 算子理论和动态模式分解（DMD）来扩展分子动力学中第一个变分方法（VA）和延迟时间独立分量分析（TICA）的方法，通过 Koopman 模型来近似描绘分子的动力学规律。
- 带有局部耦合的定态均场博弈的近端方法
針對具有局部耦合的均勻場博弈問題的數值逼近進行研究，提出了透過變分方法和近端類型方法的有效算法，並使用數值實驗評估了方法的性能。
- 实用量子变分算法
本研究提出了一种基于绝热态制备的量子态简便构建方案，并在 Hubbard 模型和小分子上进行了测试，比之前基于耦合集群的方案更快收敛