本文评估了FLAIR模型在眼底图像分类中的可迁移性，结果显示迁移性能增益为2.5%，微调整个网络时增加到4%。通过线性探测初始化分类器，可以避免特征退化，最佳地重用预训练特征。基于FLAIR等基础模型的眼底图像分析将得到推动。

该研究提出了一种名为Hybrid Graph Network（HGN）的知识图谱增强模型，通过在一个统一的图结构中同时推理提取和生成的知识来解决知识图谱边缘稀疏和嘈杂的问题。研究结果表明，该模型在四个常识推理基准测试中取得了相当大的性能增益，并对边缘有效性和帮助性进行了研究。