本研究提出了UrbanDiT模型，旨在城市环境中进行时空动态建模，结合多种数据源，采用数据驱动和任务特定提示，展现出优越的性能和零-shot能力。

本研究提出了LLM-wrapper方法，通过利用大型语言模型适应VLMs，解决了VLMs在零-shot能力上的局限性，提升了在开放词汇任务上的效果。

本文研究了使用SAM零-shot能力增强医学图像分割的潜力，并提出了自适应提示形式优化框架TEPO来解决SAM脆弱性问题，并通过强化学习进一步提高SAM在MIS上的零-shot能力。实验表明，学习到的TEPO代理可以增强SAM在MIS上的零-shot能力。

本文研究了使用SAM零-shot能力增强医学图像分割的潜力，并提出了一种自适应提示形式优化框架TEPO来解决SAM脆弱性问题，并通过强化学习进一步提高SAM在MIS上的零-shot能力。实验表明，学习到的TEPO代理可以进一步增强SAM在MIS上的零-shot能力。