本研究提出了一种层次结构学习（HIST）方法，以解决视觉语言模型（VLM）在图像与文本配对中的对齐问题。通过引入主语损失和加法损失，HIST显著提升了VLM的性能，强调了结构化学习的重要性。

该研究提出了一种基于句法树的语法引导生成模式，通过预测填充文本和构建下一级语法上下文来生成自然语言文本。实验结果显示，该方法在有效性和可解释性方面优于自回归基线。

本文介绍了一种简单的方法，通过翻译成线性化的、词汇化的组成树来融合目标语言的语法信息，实验结果显示，与训练语法无关的神经机器翻译系统相比，WMT16德英新闻翻译任务的BLEU评分明显提升。语法感知系统在翻译过程中进行了更多的重排，小规模人类评估也证实了其优势。