本研究探讨了印地语中的词序偏好，发现短语距离最小化策略能够更好地解释词序现象。研究表明，认知资源限制在语言形成中起着重要作用，并且在多种语言中存在交换距离最小化的证据。通过建立句子结构网络，分析了依存关系和语言处理中的单词顺序问题，提出了新的理论模型以优化语言处理。

本文介绍了一种名为SHOT的算法，可用于最小化目标模型和参考模型参数之间的距离。该算法适用于任何GBML基线，并已证明其优于对应基线的结果。

该文介绍了一种软提示学习的方法，可用于Vision & Language模型，通过最小化软提示与手工工程提示之间的距离来提高模型性能，并能够训练虚拟类。该方法在11个数据集上进行的广泛评估表明，显著优于所有先前的软提示工作，并在大多数测试数据集上匹配和超越手工制作提示和CLIP的新类准确性。