本研究提出了一种新颖的隐式物理集成神经可微求解器Im-PiNDiff，旨在解决混合神经-物理建模在长时间预测中的不稳定性和误差累积问题。该方法通过混合梯度传播策略实现可扩展训练，显著降低内存和运行时间成本，并在多种时空偏微分方程系统中展现出优越的预测性能和增强的数值稳定性。

本研究提出了一种改进的无训练视频对象分割方法SAM2Long，解决了Segment Anything Model 2在复杂长视频分割中的误差累积问题，通过考虑每帧的分割不确定性，增强了分割和跟踪能力。

本研究提出ACDC方法，结合自回归和扩散模型的优点，解决长序列生成中的误差累积和局部上下文生成问题。通过优化多模态标记，显著提升生成质量。实验结果显示，ACDC在多模态任务中有效降低错误累积，生成性能更优。