本文介绍了输入凸性神经网络的架构与方法，通过约束网络参数实现高效推理与优化，适用于多标签预测、图像完成和强化学习等领域。研究提出了多种优化算法，证明了其全局收敛性，并展示了优于传统方法的性能。

本文探讨了古代中文翻译的挑战，提出了多标签预测任务和古籍BERT、古籍GPT模型，以提高翻译质量。研究开发了AC-EVAL基准测试，评估大型语言模型在古代汉语理解方面的能力，显示出其巨大潜力。同时，介绍了中文历史信息抽取语料库，推动古代历史文化研究。