本研究提出了一种新方法，解决了编辑指令与原始图像不匹配导致的监督信号噪声问题。通过改进编辑指令和引入对比监督信号，显著提升了图像编辑模型的效果，超越了现有方法。

本研究利用长时间点轨迹作为监督信号，提出了一种新损失函数，以解决基于运动的对象分割问题，并有效建模复杂运动模式，超越现有方法。

本研究提出了一种新颖的后训练范式——验证器工程，旨在解决基础模型监督信号不足的问题。该方法通过自动化验证器执行验证任务，并提供反馈，分为搜索、验证和反馈三个阶段，表明验证器工程是实现人工通用智能的基础路径。

本研究提出了一种新编程语言ALTA及其编译器，能够将ALTA程序映射到变压器权重。ALTA支持循环表达，展示了变压器表示长度不变算法的能力，并提供更细粒度的监督信号，以提升算法的可学习性和数据可用性分析。

该论文提出了一种构建3D场景图的方法，通过构建空间本体和使用逻辑张量网络，减少手动工作量，提供附加的监督信号，并允许预测未见过的概念。测试结果表明，该方法显著提高了生成3D场景图的质量。

本文讨论了将追逐-逃避互动中的机器人行为问题转化为监督学习问题的方法。通过使用可观测的机器人策略生成监督信号，研究发现监督信号的质量与逃避者行为的多样性和最优性的平衡以及建模假设的强度有关。实验中，他们在一台带有RGB-D相机的四足机器人上部署了这个策略，并成功应对了各种挑战。

本文介绍了一种基于多层感知机的图神经网络模型(Graph-MLP)，利用图结构的监督信号，无需信息传递模块，使用邻域对比损失(NContrast)进行分类任务。研究表明，该模型即使在没有邻接信息的情况下也能达到最先进模型相媲美的性能。

该文介绍了一种表示学习框架，仅依靠代理执行的动作作为唯一的监督信号，可以从各种观测中提取代理和外部物体在物理空间中的位置，并正确提取它们的位置。