T5Gemma 2是基于Gemma 3的多模态长上下文编码器-解码器模型，采用绑定词嵌入和合并注意力机制，显著减少参数数量。它支持图像和文本处理，具备更长的上下文窗口和多语言能力，适合快速实验和应用部署。

本研究提出了一种新方法，解决图像显著性预测中的数据集偏见问题。通过扩展编码器-解码器结构，模型仅需调整少量参数即可提升在不同数据集上的表现。研究表明，该模型在MIT/Tuebingen显著性基准的三个数据集上达到了最佳性能。

本研究提出了一种新的编码器-解码器变换器框架MAYA，旨在解决变换器在处理表格数据时特征异质性不足的问题。该方法结合混合注意力机制和动态一致性权重约束，在多个数据集上超越了现有主流变换器的表现。

本研究提出了一种新颖的编码器-解码器方法，针对人工智能系统中的性别偏见问题。该方法通过模型梯度学习单一性别信息特征神经元，有效去除变换器模型的性别偏见，展现出广泛的应用潜力。

本研究分析了小型语言模型的设计缺陷，强调编码器-解码器架构在边缘设备上的高效性。提出了一种新颖的知识蒸馏框架，使编码器-解码器模型能够利用大型解码器的能力，显著提升在不对称序列任务中的表现，为资源有限环境中部署强大语言模型提供了新路径。

本研究提出了一种基于编码器-解码器的深度学习方法，旨在解决心电图（ECG）分析中的信息不一致问题。该方法利用医疗专业人员撰写的自由文本报告作为训练数据，能够生成临床医生级别的心电图解读。测试结果显示，该模型在多个数据集上的性能显著优于现有基准，为自动化临床决策支持提供了重要可能性。

本文探讨了多种基于深度学习的手写数学表达式识别方法，包括编码器-解码器模型和卷积神经网络。研究表明，结合注意力机制和数据增强技术，模型在多个数据集上实现了显著的识别准确率，推动了数学公式识别技术的发展。

本研究提出了一种基于隐含神经表示的连续K空间恢复网络，通过图像域引导提升MRI重建性能，定制的编码器-解码器结构显著改善K空间恢复效果。

本文改进了自我监督语音和音频分类模型SSAST，通过整合MAE的编码器-解码器结构，解决高掩码比率问题，加速预训练并降低内存使用。在下游任务中表现优于原模型，并评估了不同预训练策略，探讨视觉和音频领域的差异。

本文提出了一个基于U-Net的深层网络模型用于单幅图像去雾，通过特征融合实现高度非线性变换函数。该模型在两个图像去雾基准测试中表现出色，能够高效恢复超高清分辨率模糊图像。

该论文提出了一种基于编码器-解码器的吸引因子计算方法，用于支持不同数量的说话人，并利用自我注意力端到端神经说话人分离网络（SA-EEND）来提取讲话嵌入序列和生成说话人活动。实验结果表明，该方法在模拟的双说话人条件和未知说话人数量的条件下都取得了更好的说话人分离性能。

本文介绍了一种视觉到语言的分词器（V2T Tokenizer），通过编码器 - 解码器、LLM 词汇表和 CLIP 模型将图像转换成外语。该方法具备视觉理解能力，可进行图像去噪和恢复等任务，无需微调。实验证实了该方法的有效性。

本研究使用预训练的编码器-解码器模型解决推文数据分类挑战，并通过数据增强方法提高模型性能。在SMM4H 2024研讨会的第3和第5任务中，获得较高的F1分数。

本文提出了一个基于U-Net的深层网络模型用于单幅图像去雾，通过特征融合实现高度非线性变换函数。该模型在两个基准测试中表现出色，能够高效恢复超高清分辨率模糊图像。