本文提出了一种基于教师-学生范式的教师先验框架，旨在提高机器人在复杂地形上的运动稳定性。通过模仿学习和辅助任务学习，该框架显著提升了人形机器人的运动能力，并降低了开发成本。

本文提出了一种新的否定三元组抽取（NTE）任务，通过生成预训练语言模型（PLM）的SSENE模型，结合句法依赖树和辅助任务学习，提取否定主语、提示和范围。在美团真实平台上的评估结果表明，SSENE实现了最佳的NTE性能。消融实验和案例研究证明，将句法信息纳入PLM有助于识别主语和提示之间的远程依赖关系，辅助任务学习有助于提取具有更多语义一致性的否定三元组。