本研究探讨了开放世界持续学习中模型处理已知与未知样本的挑战，提出了HoliTrans框架，通过非线性随机投影和分布感知原型显著提升知识迁移效果，促进理论与实践的结合。

我曾以为科学前沿的未知是我的未知，但实际上人类的绝大部分已知对我来说都是未知的。

本文评估了大规模语言模型在超出预定义领域的意图检测任务中的能力。发现LLMs具有强大的零样本和少样本能力，但与使用完整资源进行微调的模型相比仍存在劣势。文章讨论了LLMs面临的挑战，并提出了对未来工作的指导。

该研究提出了一种以人工智能为驱动的解决方案，用于在低分辨率遥感图像中精确识别飞机，特别是用于战斗识别。该方法利用相似性学习区分军用和民用飞机的特征，并通过度量学习识别不同类型的飞机。同时，提出了一种适应军用飞机识别的端到端框架，有效应对遥感数据的挑战，提高数据集质量。

该论文提供了一个分析框架，用于研究已知类别如何帮助发现新的类别。通过引入新型的NCD谱对比损失（NSCL）和图论表示，论文证明了通过最小化NSCL目标函数可以得到可证明的误差界限和NCD的充分必要条件。实证结果表明，NSCL在常见基准数据集上能够匹配或胜过多个强基准方法，具有实际用途和理论保证。

信息的效率由已知、预期、意外和重复共同完成。正向的效率促使信息向相同方向强化，反向的效率则是促使信息向不同方向强化。