本文提出了一个多传感器融合技术的公共基准测试，包括目标检测、目标追踪和深度完成三个任务，并设计了14个数据破坏模式。通过评估揭示了多传感器融合系统的脆弱性和不可靠性，并提出了设计时需要考虑强壮性和可靠性的建议。

Multi-GCCF是一个基于图卷积的推荐框架，利用用户项目交互数据和用户对和项目对之间的相似性来建立分区图和user-user/item-item图，并在双分图上执行图卷积。该框架在四个公共基准测试中取得了显著的改进，证明了模型的有效性和学习的嵌入捕获了重要的关系结构。

该文介绍了RmLR系统框架，通过分析相互作用信息的损失并生成更全面的视觉表示，设计了更精细的句子-词级对齐和知识传递策略以解决多个交互和多个文本之间的匹配问题，提高了对交互的理解。实验结果表明该方法在公共基准测试上实现了最先进的性能。

该文介绍了一种新的深度学习框架，用于人类轨迹预测和社交群体成员检测。该框架引入了生成对抗网络管道，能够提取描述社会身份的相关属性，并将群体检测任务公式化为无监督学习问题。在多个公共基准测试上评估，该框架相对于现有最先进方法更能够预测人类的社会行为。

该文介绍了 Q2T 方法，通过简单和复杂查询两个阶段的训练，预测尾部实体进行简单查询的预训练，并在复杂查询上训练查询编码器，将不同的复杂查询编码为统一的三元组形式，从而在三个公共基准测试上实现了最先进的性能。