该研究提出了一种新方法，将文档级关系抽取分解为关系检测和参数分辨，利用显式语篇建模和模块化自我监督进行改进，特别在生物医学领域表现优越。通过结合远程监督和主动学习，减少了人工标注成本，提高了关系提取的准确性和性能。

本文介绍了一种基于预训练语言模型的命名实体识别框架BOND，采用远程监督和自训练方法，解决高噪声和不完整标签问题。该方法在多个基准数据集上表现优于现有技术，提升了模型的泛化能力和性能。

本文介绍了一种通过远程监督微调预训练模型的数据生成技术，旨在实现用户可控的改写生成器。该技术鼓励模型输出多样性，解决短语改写问题，具有语言普适性，并在英文和中文上进行了实验。研究探讨了上下文学习在生成质量和降低有毒性方面的优势，并提出了基于改写生成的方法以提高对话代理的性能和效率。

该文综述了利用弱监督、远程监督和预训练方法降低遥感图像分割标注成本的研究，涵盖道路分割、超高分辨率无人机图像、卫星地图生成和点云理解等任务，通过图像级标签、查询点、OpenStreetMap数据等弱标签，结合全卷积网络和SAM模型，在减少标注工作量的同时达到接近全监督的性能。

该文综述关系抽取的监督、半监督与无监督技术，以及开放信息抽取和远程监督。涵盖的研究包括：基于远程监督的半结构化网站自动抽取、内部注意机制提取细粒度语义特征、多视图学习融合句法与依存信息、首个跨句远程监督抽取方法、从Wikipedia构建证据丰富抽取器以提升问答、统一语义匹配框架实现多任务泛化、结合语法树与句子嵌入的远程监督方法、利用无监督句法分析与预训练词嵌入提取精确关系并微调BERT，以及结合语义增强解决三元组重叠的CasAug模型。