机器学习
SalUn: Empowering Machine Unlearning via Gradient-based Weight Saliency in Both Image Classification and Generation
试图解决的问题是机器学习模型中的机器遗忘问题
关注模型中的特定权重而不是整个模型
深度学习
Dictionary Contrastive Forward Learning via Adaptive Label Embeddings
试图解决的主要问题是深度学习中反向传播算法面临的两个主要挑战：计算效率低下和生物学上的不可行
提出了一种新的前向学习目标，即通过自适应标签嵌入的对比学习，以增强局部特征与标签嵌入之间的相似性
On Bias-Variance Alignment in Deep Models
探讨了深度学习模型中的偏差-方差对齐现象
论文中发现，在深度学习模型的集成中，对于正确分类的样本点，偏差的平方大约等于方差，这与经典的偏差-方差权衡观点不同
事件相机
SpikePoint: An Efficient Point-based Spiking Neural Network for Event Cameras Action Recognition
设计了一个端到端的点基SNN架构
医学影像
Deep Geodesic Canonical Correlation Analysis for Covariance-Based Neuroimaging Data
旨在解决人类神经影像数据中多模态成像技术结合的挑战，特别是在处理协方差基础数据时
引入一种新的相关性度量——测地线相关性
机器翻译
MT-Ranker: Reference-free machine translation evaluation by inter-system ranking
提出了一种新的无参考机器翻译评估方法
通过使用自然语言推理（NLI）的间接监督和合成数据的弱监督来训练他们的系统
RL
Provable Offline Preference-Based Reinforcement Learning
探讨了离线偏好基础强化学习的问题，特别是在人类反馈的形式是轨迹对之间的偏好而不是显式奖励的情况下
Provable Reward-Agnostic Preference-Based Reinforcement Learning
试图解决的问题是在偏好基础强化学习中，如何在未知转换动态的情况下，通过收集探索性轨迹来学习隐藏的奖励函数
对比学习
PolyGCL: GRAPH CONTRASTIVE LEARNING via Learnable Spectral Polynomial Filters
试图解决的问题是如何在图对比学习中有效地处理异质性问题
现有的GCL技术主要依赖于图的同质性假设，即假设通过边连接的节点倾向于具有相似的节点表示
