Semantic Kernel的Memory系统模拟人类记忆，分为语义记忆和短期记忆，支持信息存储与检索。通过向量存储和嵌入技术，AI能够基于语义相似性进行智能决策，从而提升对话体验和生成能力。

本研究提出了一种新的无监督对比学习框架TNCSE，解决了句子嵌入中仅考虑方向而忽视模长特征的问题。通过约束正样本的模长特征，优化了无监督学习，实验证明其在语义文本相似性任务中表现优异。

该研究提出了一种通用闭环预测编码框架，用于建模听觉工作记忆，填补了神经网络领域的研究空白。评估结果表明，该框架在环境声音和语音数据集上具有高语义相似性，展现出重要的应用潜力。

本研究评估RWKV语言模型在零样本条件下生成句子嵌入的效果，结果显示其在语义相似性任务中的表现不如GloVe基线，需进一步优化。

本研究计算公开健康调查问题之间的语义相似性，以促进基于调查的个人生成健康数据（PGHD）的标准化。构建了包含1758对问题的语义文本相似性数据集，并采用SBERT-LaBSE算法进行比较，显示出其在提高跨语言调查数据语义互操作性方面的潜力。

本研究提出HNCSE框架，通过混合困难负样本，提升无监督句子表示学习的效果。实验结果表明，该方法在语义文本相似性和迁移任务中表现优越，推动了对比学习的发展。

本研究针对现有NL2SQL基准在商业智能场景中的不足，提出了新的基准和问题类别，并引入两种语义相似性评估指标，以评估NL2SQL在实际应用中的能力。

本研究提出了一种新的示例选择方法——推理图增强示例检索（RGER），通过图核选择具有语义和结构相似性的示例，显著提高了大语言模型的性能。

介绍了一种名为AnyChange的新变化检测模型，通过训练无关的自适应方法，在零样本预测和泛化的情况下支持不同类型和数据分布的变化检测。通过揭示和利用图像内部及图像间的语义相似性，实现了零样本变化检测能力。同时，提出了一种点查询机制，使得具备了零样本目标中心变化检测的能力。实验证明AnyChange在零样本变化检测方面有效，并在SECOND基准测试中取得了令人瞩目的成绩。

该研究提出了一种基于多模态语义信息传输的图像传输方法，通过提取多模态语义信息并传输，接收方使用图像生成模型生成多张图像，并根据语义相似性进行选择。研究表明该方法可促进通过移动网络进行照片传输与利用。

通过对不同模型的嵌入进行内部评估，揭示了涉及未登录词的语义相似性任务中，被分割的词的表示质量通常较差，但并非总是如此。需要谨慎解释它们的相似性值。

本研究提供了一个新的词级孟加拉手语数据集（BdSL40），包含 611 个单词的 40 个视频，以及两种不同的分类方法。研究揭示了 BdSL、西孟加拉手语和印度手语之间的词汇和语义相似性，以及对 BdSL 缺乏词级数据集的情况。数据集和源代码已发布以促进进一步研究。

本研究提供了一个新的词级孟加拉手语数据集（BdSL40），包含 611 个单词的 40 个视频，以及两种不同的分类方法。研究揭示了 BdSL、西孟加拉手语和印度手语之间的词汇和语义相似性，以及对 BdSL 缺乏词级数据集的情况。数据集和源代码已发布以促进进一步研究。

本文比较了双编码器和交叉编码器的差异，双编码器适合搜索，速度快且可扩展性强，交叉编码器适合分类和高精度排名，更准确。双编码器独立编码每个句子，将输入文本编码为固定长度向量，而交叉编码器同时对两个句子进行编码，能捕获句子之间的关系。在实践中，可以先使用双编码器减少候选数量，再使用交叉编码器获取最终结果。交叉编码器可用于语义相似性任务。通过两阶段检索和重新排序系统，可以在实践中使用双编码器和交叉编码器。