本研究提出了一种新框架“Cross”，旨在解决时间图神经网络在处理时间文本属性图时对文本语义动态演变考虑不足的问题。通过利用大型语言模型提取文本动态语义，显著提高了对节点文本邻域演变的理解能力。实验结果表明，该方法在多个数据集上有效且鲁棒。

本文提出了一种新的动态演变双骨架-语义协同框架Neuro，解决了零样本骨架动作识别中的可见类知识不足问题，实验结果优于现有技术，能够有效推广到新动作类别。

本研究提出了一种新颖的流动聚类混合方法，成功识别动态区域，利用稀疏非线性动态系统识别(SINDy)方法检测共享相同物理动态的流动社区，并展示气流绕柱子的动态聚类演变过程。

UniGen是一个综合的LLM框架，通过创新机制解决了现有生成框架中的挑战，产生多样、准确和高度可控的数据，适用于动态演变的基准测试和数据增强，提升了LLM的能力。