该研究探讨了语言模型参数估计中的计算问题，分析了噪声对比估计与负采样的异同，指出遮蔽语言模型成功的原因在于其建模高阶词共现统计的能力。研究发现，LSTM和Transformer模型在低概率情况下低估目标语言序列的概率，并提出了目的论方法，强调在此情况下使用模型的谨慎。此外，研究还提出了新技术以改善模型性能，并解决概率校准问题。

本文研究了RGB-LiDAR融合的后期融合框架，通过集成独立训练的RGB和LiDAR检测器，提高了罕见类别的检测性能。实验结果显示，二维RGB检测器的准确性优于三维RGB检测器，基于二维图像平面的匹配可以减轻深度估计误差，使用概率校准的方法将分数融合可以达到最先进的LT3D性能。

本文研究了RGB-LiDAR融合的后期融合框架，通过集成独立训练的RGB和LiDAR检测器，提高了罕见类别的检测性能。实验结果显示，二维RGB检测器的准确性优于三维RGB检测器，基于二维图像平面的匹配可以减轻深度估计误差，使用概率校准的方法将分数融合可以达到最先进的LT3D性能。