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 exttt{amg}，解决了现有数据集仅提供真实或虚假标签的问题，揭示了假新闻的多样性特征。实验结果表明 exttt{amg}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），能够有效区分已知与未知意图，并构建细粒度决策边界。实验结果在三个数据集上表现优异。

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。实验证明，在人脸修饰检测方面表现良好。未来有潜力解决现实世界中细粒度的人脸修饰检测问题。

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。