本研究提出了一种多阶段的参数高效微调方法，旨在将波斯语融入Llama模型，提高其在波斯语分类任务中的准确性，同时对英语任务无负面影响，甚至有所改善。

计算机断层扫描（CT）通过投影图像计算物体内部结构的图像。近年来，深度学习在CT造影图像去伪影方面表现出良好结果。提出了一种多阶段深度学习伪影去除方法，实验证明该方法有效且优于基于深度学习的后处理方法。

该文章介绍了一种多阶段、多码本的高效神经TTS合成方法，使用VQ-VAE编码语音训练数据的Mel频谱图，并通过多阶段逐渐下采样，将其量化为多个具有不同时间分辨率的MSMC表示。神经声码器将预测的MSMCR转换为最终语音波形。实验证明，该方法在英语TTS数据库中性能优于基准值，同时低参数的紧凑版本也能保持高性能。

该文介绍了一种基于大型语言模型的通用个性化文本生成方法，采用多阶段和多任务的框架进行教学，相对于基线模型，该方法取得了显著的改进。

计算机断层扫描（CT）中，通过一组投影图像计算物体内部结构的图像。近年来，深度学习方法在CT造影图像去伪影方面表现出良好结果。我们提出了一种多阶段深度学习伪影去除方法，类似于传统的CT处理流程。实验证明，该方法有效减少伪影，优于基于深度学习的后处理方法。