本研究提出了“战斗编码器”，通过专家模型在竞技环境中相互挑战生成新训练数据，解决大型代码语言模型对高质量数据的依赖问题。实验结果表明，该方法在性能上具有竞争力，且不依赖专有模型。

贝叶斯稀疏化是一种高效的稀疏化技术，能够设计出计算效率高且性能竞争力强的深度学习模型。研究表明贝叶斯模型简化是一种更高效的参数修剪方法，具有更好的计算效率和修剪率。实验证明了该方法的有效性。