本研究提出了一种新的递归学习方法PRefLexOR，结合偏好优化与强化学习，以提升小型语言模型的推理深度和反思性。通过动态知识图谱，模型能够自我教学，迭代提升推理质量，尤其在生物材料科学领域展现出强大的适应性和应用潜力。

本文提出了MRC-Net多分辨率上下文网络，通过多尺度特征提取和双向递归学习模型，提升了前景分割性能，且参数量较低。该方法在DRIVE、STARE和CHASE数据集上表现优异，超越了现有竞争方法。