本研究提出了一种新协议，针对未见视角下的时间动作分割问题，通过引入序列损失和动作损失，显著提升了分割性能，F1@50得分分别提高了12.8%和54%。

SPARC是一种预训练多模态表示方法，通过序列损失和对比损失提高图像级和区域级任务的性能，同时改善模型准确性和生成图像描述的能力。

本文介绍了一种基于SLU度量标准的非可区分序列损失作为语义误差的代理，并使用REINFORCE技巧训练ASR和SLU模型的方法。作者在开放SLU数据集上展示了自定义序列损失训练的最新技术水平，并在大型专有数据集上显示了6%的相对改进。同时，作者还展示了如何使用语义反馈单独更新ASR和SLU模型。