本研究探讨了跨语言摘要中的语义一致性问题，提出了一种基于重新排序的方法和多标准评估协议，以促进不同语言间的语义相似多目标摘要。

本研究提出了增强型推荐模型ELMRec，解决了现有推荐系统在用户与项目高阶交互建模上的不足。通过增强词嵌入和引入重新排序方案，ELMRec在直接推荐和序列推荐中表现优于现有方法。

本文探讨了多种高效的文档检索和重新排序方法，包括预训练的编码器-解码器模型、稀疏矩阵因子分解和ColBERTv2等。这些方法在提高检索速度和准确率方面表现优异，尤其是在低延迟环境下，较浅的变形器模型能显著提升性能。

本文介绍了ECT方法，通过从ChatGPT中学习评价模型并应用于强化学习和重新排序方法，以改善序列生成模型。实验结果表明，ECT在机器翻译、文本风格转换和摘要任务上取得了有效结果。