李飞飞团队提出了一种名为“嫁接”的新方法，通过修改预训练模型组件，节省计算资源并验证新架构设计。研究表明，使用不到2%的预训练算力仍能保持模型性能，并提升生成速度，适合资源有限的场景。

本文介绍了一种利用填空式提示和潜变量模型进行弱监督文本分类的方法，实验结果显示该方法在多个数据集上优于基线，提升了分类准确率。此外，ClassKG 框架和 MEGClass 方法在文本分类中也表现出色，展示了弱监督学习的潜力。