本研究探讨了葡萄牙语开放信息提取中数据集不足的问题，建立了高质量的手动标注语料库并提出标注规则，验证了现有系统的性能，为该领域的发展提供支持。

本研究提出了一种无监督组件分割方法，解决了逻辑异常检测中的分割技术不足及手动标注的问题。该方法利用基础模型自动生成训练标签，以训练轻量级分割网络，并与其他模块集成，实现了95.3%的检测AUROC，超越了现有方法，同时具有更低的延迟和更高的吞吐量。

SAM是通用的图像分割模型，支持自动或手动提示的零-shot图像分割。在医学图像分割方面仍有挑战，需要结合手动标注以提高性能。