本研究提出了一种基于现有质量估计指标的级联翻译系统延迟规则，能够将大型模型的调用减少30%至50%，同时保持性能，显著降低计算成本。

本文介绍了质量估计（QE）指标作为提高自动语音识别（ASR）系统中可解释人工智能（XAI）的工具。实验和分析探索了NoRefER指标在识别单词级别错误方面的能力，并展示了它在构建数据集和提供有关模型行为的见解方面的有效性。研究结果表明NoRefER是一个全面框架，可以提高ASR系统的透明性、效率和效果。

本文提出了一种基于置信度的伪标签方法，用于半监督目标检测。该方法可以更好地估计伪标签的质量，并调整阈值和权重，解决类别不平衡和定位精度问题。实验结果表明，该方法在COCO和PASCAL VOC数据集上提升了1-2%的性能，即使只使用COCO的1-10%标记数据，也能提高10%的性能。