本研究提出URECA数据集，解决了现有区域级描述方法在多粒度生成独特标题的问题，利用改进的多模态大语言模型生成语义丰富的区域描述。

本研究构建了一个多粒度假新闻检测数据集，揭示了假新闻的多样性特征。提出的多粒度线索对齐模型表明，该数据集具有挑战性，为未来研究开辟了新方向。

本研究提出了一种多粒度开放意图分类方法（MOGB），旨在解决已知意图与未知意图的区分问题。通过自适应粒状球聚类，构建多粒度决策边界，有效捕捉细粒度语义结构。实验结果表明，该方法在多个数据集上表现优异，具有重要的实践意义。

本文提出了一种基于EfficientNet的分层多粒度故障诊断模型，克服了核电系统中单一设备的局限性，能够有效分类不同电路和系统组件的故障，从而提升核电站的安全性。

本研究提出了一个大规模的精细化人脸修饰数据集RetouchingFFHQ，包含50万幅条件化修饰的图像。通过多粒度、多修饰类型和多修饰水平的问题，扩展了人脸修饰检测。实验结果表明，在人脸修饰检测方面，该方法表现良好。未来有潜力解决现实世界中细粒度的人脸修饰检测问题。