本研究提出了CH-DDI数据集和SEA模块，旨在提升中文医学文本中复杂语义的实体关系提取效率。实验结果显示，该模型在CH-DDI数据集上的实体识别F1得分为96.73%，关系提取得分为78.43%。

本研究提出ConTestS框架，解决语言模型概率估计中的一致性问题。通过统计测试评估，发现Masked Language Models和自回归模型在预测一致性上有显著差异，尤其自回归模型不一致性更明显。

本研究通过跨度和文档级别的分类技术，解决了从非结构化荷兰心脏超声报告中提取诊断信息的时间和成本问题。SpanCategorizer和MedRoBERTa.nl模型在提取性能上优于其他分类方法，SetFit在少量训练数据的情况下也表现出竞争力。该研究对心脏超声报告的自动化处理具有重要意义。

随着大型语言模型的出现，文本摘要取得了进展。然而，自动生成的摘要存在事实不一致的问题。为了解决这个问题，提出了基于自然语言推理和主张提取的事实性评估摘要度量方法。

本文介绍了一种新颖的蒸馏流程DistilVPR，用于视觉地点识别（VPR）。该流程利用多个代理的特征关系，包括教师和学生神经网络的自身代理和跨代理，并整合了不同空间曲率的各种流形，以增强特征关系的多样性。实验证明，该流程相较于其他蒸馏基线取得了最先进的性能。

通过研究不同解释方法对词汇重要性的选择差异，发现选择不同类别的词汇会导致方法的分歧。通过在句法范围级别上比较可以减少方法间的差异，通过动态预估最重要的范围而不是依赖于固定的部分，方法间的一致性较高。提出了一种改进的配置来选择重要的词汇。

一切存在一切形式，放在足够大的时空跨度上终将失效。换言之，没有完美的结构，其他形式如定律、方法、系统、制度、模式皆如此。