本研究开发了多语言科学文献相似度测量模型，并推出了包含103种语言的OpenMSD数据集，以帮助研究人员高效查找相关论文。通过预训练科学语言模型和生成英语摘要，提升了非英语论文的表现。此外，研究评估了大型语言模型在生成参考文献和科学知识理解方面的能力，并提出了SciKnowEval评估框架，以优化大型语言模型在科学研究中的应用。

本文评估了时间序列分类中的相似度测量方法，并提出了一致的评估标准。研究利用图神经网络建模不规则多元时间序列，以分析学生表现预测的准确性。同时，探讨了大型语言模型在时间序列分析中的应用及未来研究机会，强调了教育数据挖掘的重要性。

本文探讨了大型语言模型（LLMs）在政治文本分析中的应用，尤其是在政党政治纲领相似度测量和文本编码方面的有效性。研究表明，LLMs如GPT-3和GPT-4在处理非英文政治文本时，表现优于人工标注员，且速度更快、成本更低，适合大规模文本分析。

本研究使用分块匹配算法和相似度/不相似度测量对图像进行编码，并通过量子傅里叶变换和Swap测试进行相似度度量。结果表明，该方法在理想和噪声模拟以及与IBM和Ionq量子设备进行Swap测试的情况下均获得了良好的效果。