本研究提出了一种新型自编码无率联合源信道编码（RLACS码），有效应对变化信道质量的挑战。该编码在图像信号重构中表现出色，展现了在语义通信中的应用潜力，并为未来6G通信系统的研究指明了方向。

本研究探讨了上下文压缩方法，以提高大语言模型处理长上下文的能力。尽管在某些任务中表现良好，但在合成回忆等任务中仍存在挑战。为此，提出了细粒度自编码和段落令牌重要性评估策略。

本研究提出CAALM-TC方法，结合自回归与自编码语言模型，显著提升文本分类效果，尤其在小规模数据集和抽象分类任务中表现优异，为社会科学的自动内容分析提供了高效解决方案。

该论文使用神经注意力和自编码的无监督运算架构，研究了人类阅读时的跳过现象和读取过程的计算，并提出了一种新的方法。在评估中，该模型能够很好地预测跳过行为和阅读时间，捕捉了人类阅读的已知定性特征。