本研究提出了一种交互提示分布学习（InterProDa）方法，旨在解决人类-物体交互检测中的视觉模式识别和模糊HOI区分问题，从而提升检测器的性能。

本研究提出了一种图扩散解决方案生成（GDSG）方法，旨在解决边缘计算网络中的优化问题。GDSG通过利用次优数据进行分布学习，实验结果表明其在优化和次优训练数据集上的表现优于其他方法，具有重要的应用潜力。

本研究探讨生成模型输出的有效性，提出“有效性查询”以降低无效输出的概率。结果表明，在特定条件下，确保有效性所需的样本数量与有效性要求关系不大，为分布学习提供了新思路。