本研究提出了一种保形风险控制框架，旨在解决图像标题评估指标的局限性，特别是对单个词错误的细粒度评估和不确定性校准，从而显著提升了CLIPScore的可靠性。

该研究提出了一种新的细粒度评估方法，通过自动生成细微差异的测试字幕，提升视频-文本检索模型对细微差异的理解能力，并揭示当前评估基准的不足。

本文综述对话摘要忠实度研究，利用自然语言推理模型检测事实不一致，提出SummaCConv、FFLM、T0-Score等评估方法，并构建FFCI细粒度评估框架和LongEval人工评估指南，在DialogSum、SAMSum等数据集上验证有效性。

该文综述无监督意见摘要研究，涵盖变分自编码器、分层离散潜空间、文本蕴涵构建银标准摘要、语义自动编码器、孪生网络与可微背包长度控制等方法，从大量评论中提取共识观点，生成抽取式或抽象式摘要，并在Rotten Tomatoes、SPACE、亚马逊等数据集上验证性能，部分研究还提出基于Facet的细粒度评估方法。