本文提出了一种基于判别式对抗领域适应（DADA）的新型对抗学习方法，旨在解决任务和域分类器独立导致的收敛问题。该方法在多个领域适应场景中表现出色，并在基准数据集上取得了最新成果。同时，文中介绍了主动广义类别发现（AGCD）和动态概念对比学习（DCCL）等新方法，均展现了优越的性能。

本文介绍了一种基于SLU度量标准的非可区分序列损失作为语义误差的代理，并使用REINFORCE技巧训练ASR和SLU模型的方法。作者在开放SLU数据集上展示了自定义序列损失训练的最新技术水平，并在大型专有数据集上显示了6%的相对改进。同时，作者还展示了如何使用语义反馈单独更新ASR和SLU模型。