本研究提出SimulS2S-LLM方法，解决大语言模型在实时语音翻译中的并行推理问题，通过离线训练和策略指导，实现高质量的语音即时翻译。

本研究提出了一种新颖的分层规划框架，旨在解决在系统动态未知的情况下为信号时序逻辑（STL）任务生成可执行规划的问题。该方法通过利用任务无关的数据进行离线训练，实现了对新STL任务的零-shot泛化，仿真结果表明其在多个STL任务中表现有效。

Polyjuice是为单节点多核设置而设计的并发控制算法，使用进化式强化学习和离线训练来搜索细粒度操作的策略空间，以提高吞吐量。Polyjuice在中度竞争和重度竞争工作负载下表现良好，可以提高高争用和中争用下的吞吐量。

该文介绍了一种深度强化学习方法，通过离线训练优化器，最小化神经网络计算图的执行成本。该方法在运行时间和峰值内存使用量上都有显着的改进。