本文提出生成检索与对齐模型（GRAM），旨在解决传统检索方法无法有效利用世界知识的问题。通过联合训练查询与产品文本，GRAM生成共享文本标识码，显著提升检索效率和查询产品之间的联系，优于传统及最新生成检索模型。

本文提出了一种对齐增强纠错模型，用于解决过度更正问题。该模型通过训练纠错模型生成初始纠错，并与源句子结合，经过对齐模型进行另一轮纠错，以确保对齐模型专注于潜在的过度更正。实验结果表明，该方法在减轻过度更正和提高整体性能方面是有效的。