本研究优化了基于GPT的视频内容分类模型，实现了七种视频质量类别的零样本分类，并提出了新提示工程技术，显著降低了假阴性，提高了性能。

本研究提出了一种新型深度学习诊断系统，旨在解决COVID-19检测中的假阴性问题。该系统结合预训练的深度卷积神经网络，通过集成学习框架对胸部X光图像进行精准识别，在COVIDx数据集上实现了98%的三类分类准确率和99.50%的二类分类准确率，显著优于传统方法。

本研究提出了“法律条文竞争检测”（LACD）任务，旨在解决法律条文间的竞争识别问题。研发的CAM-Re2方法显著提高了检测准确性，假阳性降低20.8%，假阴性降低8.3%。

该方法通过识别和消除假阴性以及对抗策略，提升自监督对比学习效果。在 ImageNet 数据集上，无标签情况下能以 40% 的精度识别假阴性，并在 1% 标签数据下提升 5.8% 的 top-1 准确率。