本研究提出了OptCS框架，旨在解决合规推断中的模型选择问题，尤其是在有限标签数据下选择“有趣”实例。该框架通过新颖的多重检验程序构建有效的合规p值，显著提高选择过程的有效性，具有重要的应用潜力。

本研究提出了一种新方法，通过任务专家和任务预测器解决模型在学习新知识时的遗忘问题，并应对有限标签数据的挑战。实验结果显示，该方法在多个数据集上优于现有模型，提升了处理新任务的能力。

本研究提出了一种基于深度度量学习的模型，使用电生理信号等非侵入性方法评估心脏压力。该模型在有限标签数据情况下表现良好，并在患者亚组之间具有高度性能表现。心脏衰竭是一种严重疾病，影响数百万人的生活质量和死亡率。