本文研究了无监督文本风格转换任务，提出了四种交互方式，包括管线框架、知识蒸馏和上下文学习。实验证明这些交互方式能够改善基线结果，提高性能。在数据集上，相对之前最佳度量结果，它们分别提高了0.5和3.0个绝对百分点，并获得了新的技术水平。

本文提出了一个用深度生成模型进行无监督文本风格转换的通用框架，通过学习观察数据中的依赖关系，学习内容和风格的潜在代码，并通过操纵这些代码来转换句子。实验结果显示该方法在评估中取得了更好或具有竞争力的结果。