本研究提出了Soundwave训练策略和新架构，解决了语音大型语言模型在语音与文本表示空间差距及序列长度不一致的问题。Soundwave在语音翻译和AIR-Bench任务中表现优异，仅需五十分之一的训练数据。

本研究探讨了大型语言模型在理解数字时的双重性，发现其表示空间融合了字符串与数字，揭示了纠缠的表示方式。这为理解变换器模型学习数字提供了新视角，并指出了其在实际决策中的影响。

本文系统回顾了当前知识图谱嵌入（KGE）技术，从数学空间角度分析其优势，讨论不同类别KGE方法在嵌入需求下的空间表现，并探讨数学空间在不同场景的优势。最后，提出了一些基于表示空间的研究方向，鼓励研究人员在设计KGE模型时考虑数学空间特性。

本文提出了一种解决多模态学习中缺失模态问题的新框架，通过利用可用模态的信息，在表示空间中预测缺失模态的嵌入。在多个多模态基准数据集上评估方法，展示了它在各种缺失模态的情景中的有效性和鲁棒性。