本研究提出了一种基于知识图谱的方法，解决大型语言模型在代码生成中的上下文准确性问题，显著提升了代码搜索与检索的质量，为开发更可靠的编码辅助工具提供了新方向。

本研究提出了一种高效对比解码（ECD）方法，旨在减少大型视觉语言模型（LVLMs）生成的幻觉性响应。实验结果表明，ECD显著提高了回答的上下文准确性，并在基准测试中优于现有方法。

本研究提出了一个包含310K多图像多轮对话的数据集MMCR，解决了视觉语言模型在多轮对话中的数据不足问题。微调后的模型在上下文准确性上提高了5.2%，显著增强了多模态交互效果。