本文介绍了一种使用hard negatives和强健的训练程序增强检索生成模型的新方法，用于进行零样本槽填充。该方法在多个数据集上都有较大的改进，并在KILT排行榜上排名第一。作者还演示了该系统在TACRED数据集的新变体上的适应能力，并发布了源代码和预训练模型。

该研究提出了一种新的架构和训练程序，通过训练简单的任务，使脊髓网络与本体感觉运动神经元进行学习。通过修正脊髓网络的输入来驱动行为，从稀疏的奖励中有效地进行探索。在三种虚拟体内进行测试并取得了明显的进展。