本研究提出了一种名为ECG-Byte的分词器，用于多通道心电图生成文本任务。该方法通过自回归语言建模，将心电图信号压缩为可映射的令牌，实现端到端训练。与传统方法相比，ECG-Byte在性能上具有竞争力，训练时间减少一半，数据需求降低约48%。

本研究比较了基础模型与端到端训练在有丝分裂图形分类中的有效性。结果表明，端到端模型在不同数据量下均优于基础模型，且在领域转移方面表现更佳，推翻了之前的假设。

本研究解决了图异常检测中GNN模型在有限监督下的表现问题，提出图预训练模型在无标签异常检测中优于端到端训练模型，为未来研究提供新思路。

本文介绍了一种简约的视觉语言模型普及方法，通过大规模的弱监督数据进行端到端训练，实现了具有新的最先进结果的广泛辨别和生成性视觉语言基准方面的目标。该模型展示了强大的泛化和转移能力，实现了零-shot行为。

本文提出了一种基于循环卷积神经网络的方法，能够联合学习多光谱图像的空间、谱域和时间特征，达到更好的变化检测结果。该方法具备三个独特的特性，即端到端训练，自然利用空间信息以及能够自适应地学习多时相图像之间的时间依赖性。实验结果证明了该方法在多时相遥感图像分析中的竞争性表现。

本文提出了一种新的框架，解决了异构人脸识别中的领域差异和大规模数据集的限制问题。通过条件自适应实例调制（CAIM）模块适应中间特征图的风格，成功地实现了异构人脸识别的端到端训练，并在多个数据集上展示了优越的性能。

通过大规模预训练语言模型引入了名为Neural PG-RANK的新型训练算法，使用Plackett-Luce排序策略实例化语言模型，提供了合理的端到端训练方法，并与下游决策质量相统一。实验证明，Neural PG-RANK在领域内表现出卓越性能提升，并在下游问答任务中实现了跨领域泛化。

Goal-GAN是一个可解释性且可端到端训练的人类轨迹预测模型，通过目标估计和路由模块的两阶段过程实现任务。实验结果表明，该模型在多个基准测试中建立了一个新的最先进模型，并能够生成符合物理约束的逼真且多样化的轨迹集合。

本文提出了一种基于循环卷积神经网络的方法，联合学习多光谱图像的空间、谱域和时间特征，实现更好的变化检测结果。该方法具备端到端训练、自然利用空间信息和自适应学习多时相图像之间的时间依赖性等独特特性。实验证明该方法在多时相遥感图像分析中表现竞争性。

本文提出了一种新的框架，解决了异构人脸识别中的领域差异和大规模数据集的限制问题。通过条件自适应实例调制（CAIM）模块适应中间特征图的风格，成功实现了端到端训练，并在多个数据集上展示了优越的性能。

介绍了连续深度模型，一种使用神经网络参数化隐藏状态导数的新型模型。利用黑箱微分方程求解器计算网络输出，构造连续正则化流模型，并实现端到端训练。

本文提出了一种基于图卷积操作的全新的可端到端训练的神经网络架构，解决了梯度消失和过参数化问题，具有最先进的性能和改进的结果。

本文研究了地面机器人的自主导航，通过仿真环境中的端到端训练，减小了模型在实际机器人平台上的差距，提升了性能和稳健性。

该研究提出了一种基于孪生网络的无监督抽取式摘要模型，通过双向预测目标进行训练。该模型可以进行端到端训练，并引入了可微分的长度控制模块。实验证明，该模型在句子编码器相同的情况下，优于基准方法，并在长度控制能力方面表现出色。人工评估结果也证明了该模型在相关性和一致性方面的优势。

本文介绍了深层分层网络HyperNet，用于处理区域提案生成和目标检测。HyperNet通过结合图像的深层、中间和浅层特征，实现了端到端的联合训练策略，并在PASCAL VOC 2007和2012检测数据集上取得了领先的召回率和目标检测准确度。

本文提出了一种基于图卷积操作的全新的可端到端训练的神经网络架构，通过轻量级的基于边缘条件的卷积来解决梯度消失和过参数化问题。实验结果表明了在合成高斯噪声和真实噪声上的最先进性能和改进的定性和定量结果。

LRM是一个大规模重建模型，可以在5秒内从单个输入图像预测对象的3D模型。该模型采用高度可扩展的transformer架构，在包含大约100万个对象的海量多视图数据上进行端到端训练。该模型具有很强的通用性，并能够从各种测试输入中生成高质量的3D重建结果。

本文提出了一种基于 Transformer 的点云感知方法，用于电路设计中的特征提取，无需预处理，可进行端到端训练，取得了高性能。该方法在拥堵预测和设计规则检查中表现最佳，并提供了源代码和预训练模型。

本文提出了基于特征嵌入的OUR方法和端到端训练策略，以改善模型的长尾现象。研究结果表明OUR方法显著改善了模型的长尾现象，为其他长尾学习方法带来了性能提升。

该文介绍了一种名为 Neural PG-RANK 的新型训练算法，通过实例化一个语言模型为 Plackett-Luce 排序策略，为检索模型的端到端训练提供了一种合理的方法，并有效地将训练目标与下游决策质量相统一。