本研究提出了一种多任务学习方法，以提高专利引用预测的准确性，解决现有机器学习方法在捕捉技术影响动态性方面的不足。通过引用分析，研究加深了对技术影响的理解，并为学术界和工业界提供了重要见解。

本文探讨了大型语言模型（LLMs）在文本写作、翻译评估和引用分析中的应用。研究表明，细粒度奖励显著提升模型性能，尤其在生成相关引用和提高评估准确性方面。同时，提出混合自监督与监督目标的策略，以增强模型的上下文学习能力。这些研究为优化跨语言问答系统和改进机器翻译提供了新方向。