本研究提出了一种联合学习框架，将微型语言模型与神经网络编码结合，以提高在数据隐私保护下的模型训练效率。实验结果表明，NNCodec能够将通信开销降低至1%以下，显著增强协同学习能力。

本研究提出了一种新的知识解耦协同学习方法（KDSL），有效解决电子商务中少样本多模态对话意图识别的干扰问题。在淘宝数据集上，该方法的F1分数提升了6.37%和6.28%，验证了其有效性。

该研究介绍了使用可解释的人工智能（XAI）的智能系统（CL-XAI）用于认知学习的研究。通过一个基于游戏的虚拟案例，学习者通过解决组合问题来增强解决问题的能力和加深对复杂概念的理解。该研究突出了认知学习和协同学习中的潜在进展。

该研究介绍了使用可解释的人工智能（XAI）的智能系统（CL-XAI）用于认知学习的研究。通过探索人类学习者如何理解使用XAI工具的人工智能模型的内部机制，并通过人类反馈评估这些工具的有效性。使用CL-XAI在一个基于游戏的虚拟案例中说明了其应用，突出了认知学习和协同学习中的潜在进展。