本研究提出了一种基于大语言模型的文本预处理和语义增强方法，旨在解决社交媒体中有效性下降的问题。研究表明，该方法在有害内容检测方面与人工标注数据相当，显著降低了成本。

本研究提出了一种从文本中提取量子级联激光（QCL）特性数据的方法，利用基于QCL本体的知识图谱生成技术和GPT 4-Turbo模型，以高效提取QCL特性并生成知识图谱，促进QCL数据的语义增强与分析。

本文提出了一种语义增强的视觉-语言预训练模型，通过局部语义增强和遮蔽策略实现跨模态语义对齐，显著提升了多项视觉-语言任务的性能，尤其在低资源环境下表现优异。

通过语义增强和行为表征，开发了一个高效的系统（RoboAgent）来训练具备多任务操作技能的通用智能体，使用少量多样的多模态数据集，能够展示不同的技能并在新颖的场景中表现出很好的泛化性能。