数字人研究
[1] 生成对抗网络（Liquid Warping GAN）
https://arxiv.org/abs/1909.12224
行业报告
[1] 《AI与机器人的 42 个大问题》
https://share.weiyun.com/5IM4LFU
[2] 《智能时代的技术伦理观——重塑数字社会的信任》
http://www.cbdio.com/image/site2/20190729/f42853157e261ea8a87f55.pdf
AI+内容
[1] 新一代海量数据搜索引擎 TurboSearch
https://cloud.tencent.com/developer/article/1548031
多模态研究
[1] 使用自注意力和交互注意力模型的视频问答技术
https://www.aaai.org/ojs/index.php/AAAI/article/view/4887
多种通过自然语言来描述视觉内容的新方法：
[2] https://arxiv.org/abs/1805.12589
[3] https://arxiv.org/abs/1811.10787
[4] 一种基于自然语言定位视频中内容的新机制 SCDM
https://papers.nips.cc/paper/8344-semantic-conditioned-dynamic-modulation-for-temporal-sentence-grounding-in-videos
强化学习
[1] 元学习方法 LIIR
https://papers.nips.cc/paper/8691-liir-learning-individual-intrinsic-reward-in-multi-agent-reinforcement-learning
[2] 散度增强的策略优化算法
https://papers.nips.cc/paper/8842-divergence-augmented-policy-optimization
[3] 针对训练数据选择方法的强化学习框架
https://www.aclweb.org/anthology/P19-1189/
自动机器学习
[1]神经网络架构变形器 NAT
https://nips.cc/Conferences/2019/Schedule?showEvent=13305
[2]基于分布的贝叶斯优化算法 DistBO
https://papers.nips.cc/paper/8905-hyperparameter-learning-via-distributional-transfer
[3]通过迁移来自真实图像的知识来引导素描图片识别网络的学习过程
https://www.aaai.org/ojs/index.php/AAAI/article/view/4955
[4]基于渐进式特征对齐的无监督域自适应方法
https://arxiv.org/abs/1811.08585
[5]无标签领域自适应算法
https://link.springer.com/chapter/10.1007/978-3-030-32239-7_40
[6]https://link.springer.com/chapter/10.1007/978-3-030-32254-0_48
[7]协同通道剪枝（Collaborative Channel Pruning ）
http://proceedings.mlr.press/v97/peng19c/peng19c.pdf
[8]用于压缩卷积神经网络（CNN）的方法
http://openaccess.thecvf.com/content_CVPR_2019/papers/Li_Compressing_Convolutional_Neural_Networks_via_Factorized_Convolutional_Filters_CVPR_2019_paper.pdf
其他机器学习方法
[1]DropEdge 方法
https://arxiv.org/abs/1907.10903
[2]图采样算法AS-GCN
https://arxiv.org/abs/1904.12659
[3]复杂社交网络
https://arxiv.org/abs/1904.05003
[4]对抗攻击
https://arxiv.org/abs/1908.01297
[5]元学习算法（HSML）
http://proceedings.mlr.press/v97/yao19b/yao19b.pdf
[6]一种高效的特征提取方法
https://arxiv.org/abs/1811.08979
[7]使用对抗样本的跨模态学习方法（CMLA）
https://papers.nips.cc/paper/9262-cross-modal-learning-with-adversarial-samples
语音
[1]端到端合成建模方案 DurIAN
https://arxiv.org/abs/1909.01700
自然语言处理
[1]结合检索和生成技术的骨架生成技术
https://ai.tencent.com/ailab/nlp/dialogue/papers/EMNLP2019_cd.pdf
[2]离散型变分自编码器（Discrete CVAE）
https://ai.tencent.com/ailab/nlp/dialogue/papers/EMNLP2019_jungao.pdf
[3]一个大规模预训练语言模型
http://arxiv.org/abs/1911.11489
[4]单轮对话数据集
https://arxiv.org/abs/1907.10302
[5]用于多轮对话理解的数据集
https://ai.tencent.com/ailab/nlp/dialogue/papers/EMNLP_zhufengpan.pdf
[6]用于检索加生成技术研究的数据集
https://ai.tencent.com/ailab/nlp/dialogue/papers/EMNLP2019_cd.pdf
[7]自注意力模型改进
https://arxiv.org/abs/1909.02222
[8]篇章翻译
https://arxiv.org/abs/1909.00369
[9]自注意力模型的词序学习能力
https://www.aclweb.org/anthology/P19-1354
[10]多层翻译模型中的词对齐
https://www.aclweb.org/anthology/P19-1124