本研究提出了一种新框架，结合物理模拟器和生成模型，自动生成细粒度街景图像。引入BEVControl两阶段生成方法，显著提升前景分割质量，并通过多级评估协议进行比较。实验结果表明，该方法生成的图像可提高下游感知模型的性能。

该研究提出了一种基于符合性预测和控制理论的算法，用于时间序列预测的不确定性量化问题。该算法能够在在线环境中前瞻性地模拟符合性得分，并能适应由季节性、趋势性和一般分布变化引起的系统误差。实验结果表明，该算法在美国州级 COVID-19 死亡人数提前四周预测中的覆盖范围有所改善。同时，该研究还使用自回归、Theta、Prophet 和 Transformer 模型对电力需求、市场回报和温度进行了实验预测，并提供了一个可扩展的代码库。