本研究提出了一种自我精炼方案，解决自主机器人在任务规划中的错误和前瞻性不足问题。通过迭代改进计划和端到端优化，简化了训练过程。实验表明，该方法在VirtualHome-Env测试中表现优异，提高了推理的可扩展性。

本文介绍了SEE，一种用于自然场景文本检测和识别的半监督神经网络。SEE通过端到端的优化方式实现，相较于现有的多个深度神经网络和多个预处理步骤，SEE提出了使用单一的深度神经网络的方案。作者通过实验验证了该方案的可行性和竞争性结果。

本文提出了一种自回归、端到端优化的视频扩散模型，用于生成高质量的视频。同时，提出了可扩展的连续排名概率得分（CRPS）方法，用于评估视频的概率预测能力。该方法在多个数据集上比先前方法有着显著的提高。