该研究提出了一种新方法，通过自适应提示调优增强CLIP模型，利用交叉注意力机制动态调整文本提示，实现图像与文本特征的精确对齐，显著提升模型性能和预测可靠性。

该研究探讨了大型语言模型中成员推断攻击（MIA）性能不一致的原因，发现样本分布差异是关键因素，并分析了模型规模和文本特征等对MIA准确性的影响，提出了改进建议。

本研究解决了土耳其情感分析数据集稀缺的问题，系统评审了2012至2022年间的研究，收集了23个公开数据集，并分类了31项研究，发现不同文本特征下情感分析工具的性能差异显著。

本研究提出了一种新模型，通过结合用户特征与文本特征，显著提升了社交媒体上英语仇恨言论的检测效果。

本研究分析了卡尔德隆非宗教作品中的性别描绘，发现男女角色存在显著差异，并通过量化方法识别影响性别分类的文本特征，具有重要的文化分析价值。

本研究提出了一种新方法，解决小样本实例分割的高耗时和数据集依赖问题。通过生成伪标签和整合图像、文本特征，提高了分割性能，减少了对预训练的依赖。实验结果表明，该方法在多种场景中表现优越。

该研究使用声学和文本特征对语言情感进行分类。使用BERT获取情感转录中的上下文化词嵌入，结果比使用Glove嵌入更好。融合声学和文本系统对于分类有益。交叉验证折叠的标准方法对结果有巨大影响，先前的作品可能夸大了结合转录的优势。

本文介绍了一种名为STA的双流注意力网络，用于视频问答。该网络能够识别视频中的长时空结构和文本特征，并将视觉和文本信息融合，提供准确答案。在TGIF-QA数据集上的实验结果显示，STA在Action、Trans、TrameQA和Count任务上表现最佳，分别提高了13.0%、13.5%、11.0%和0.3%。此外，在Action、Trans和TrameQA任务上，STA的表现也比竞争对手提高了4.1%、4.7%和5.1%。