本文提出了一种高效自学习框架，解决了传统语音识别系统在对话中适应上下文和用户反馈的不足。通过学生-教师学习和上下文感知处理，该框架显著提升了对话系统性能，实验显示词错误率降低近10%。

本研究提出了EndoOmni，用于内窥镜零样本跨域深度估计的基础模型。通过改进的自学习框架，结合深度标签和信心估计，提高了医疗成像的相对深度估计准确性，相对误差减少了41%。

本研究提出了一种半监督三维物体检测算法，通过自学习的框架解决了在三维室内场景中标注成本高的问题，实现了单阶段运作和稠密训练信号，解决了多阶段流水线和离散化误差等问题。