本研究提出了一种轻量级变压器网络SLTNet，旨在解决人工神经网络在事件语义分割中的高计算和能耗问题。该方法提高了特征提取效率，在DDD17和DSEC-Semantic数据集上性能提升超过7.30%，能耗降低5.48倍，适合资源受限的边缘和移动平台。

本研究探讨变压器网络在符号处理中的机制，提出高层语言PSL用于编写符号程序，并证明其图灵完备性，为提升变压器的符号处理能力提供新思路。

本文介绍了一种类k匿名的方法，通过变压器网络重构原始文本，生成多个与编辑文本一致的版本，以评估文本隐私的数量、多样性和质量。