本文介绍了一种概率方法，解决机器人视觉重定位中的重复结构问题。通过创新训练策略，该方法能预测图像的相机姿态后验分布，在存在歧义时表现优于现有方法，具有良好应用潜力。

深度学习可解决困难组合问题，研究聚焦SAT问题，通过概率方法消除训练集规模限制，提出新分类器改进数据集，使用求解器进行学习。

该研究使用深度学习解决布尔可满足性问题，并通过概率方法消除了训练集规模限制的难题。他们提出了新的分类器，可以改进大多数困难水平的数据集，并使用求解器计算的简短前缀进行学习。

该研究提出了一种基于概率的方法来训练可解释的多跳问答系统，无需基于理由的监督。该方法将理由明确建模为集合，能够在文档内外进行交互和多跳推理，选择理由更准确。

该文介绍了一种基于概率的方法，建立两幅图像间的密集对应关系，并估计像素级置信度和可靠性。该方法在多个几何匹配和光流估计数据集上具有最先进的效果，并在姿态估计领域证明了实用性。

该论文提出了一种新的基于概率方法的度量方法，用来评估生成模型的忠实度和多样性。该方法已在玩具实验和最先进的生成模型上进行了广泛研究，并可在GitHub上获得代码。