本研究提出MuToR方法，通过将可学习的寄存器令牌交错到输入序列中，解决了语言模型微调中的多令牌预测问题。研究表明，MuToR在多种场景下表现优异，特别适合有监督的微调任务。

本文探讨了图像翻译方法的进展，特别是结合有监督与无监督技术的新框架和模型，以提高图像质量和多样性。研究表明，基于生成对抗网络的两阶段训练策略能有效提升可见光与红外图像之间的转换准确性，显著提高了性能。