研究者提出了一种新的数据结构，将表格转化为语句，用于提取定量事实和相关信息。他们的最佳模型与基准模型相比，生成的语句与实际数据相似度达到了82%。通过应用模型于超过2700个ESG报告中的表格，展示了语句的优势，允许对大量ESG报告中的丰富信息进行探索性数据分析。

当前语言模型在生成长文本时存在问题，主要原因是较早出现的相关信息受到较少关注。研究者提出了一种“注意力排序”方法，通过对文档进行排序来改进模型性能。研究结果显示使用现成的语言模型进行检索增强生成存在挑战。

该研究利用电子病历审计日志，以机器学习为监督源，降低临床医生在记录过程中查找相关病史的努力。研究集中在急诊部动态检索，表现良好，可帮助临床医生更有效地检索相关信息。该方法适用于其他临床设置和数据模态。

我们的生成式AI搜索体验（SGE）不断改进，增加了更多AI驱动的概述中的图片和视频，展示动态内容，提供更多相关信息和链接。