本研究探讨了级联翻译系统中延迟规则的设计挑战，提出通过质量估计指标优化延迟规则，以减少30%至50%的实例调用，同时保持性能，显著降低计算成本。

本文探讨了在无参考文本情况下的文本简化质量估计方法，比较了多种评估指标，发现基于 n-gram 的度量最能反映语法正确性和意义保留。研究提出了新的文档级简化任务和自动评估指标 D-SARI，分析了基准模型的缺点，并引入 SAMSA 方法评估结构简化质量，显示其与人类判断的相关性显著。

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。