本研究提出了sharpDARTS搜索方式，取得了在CIFAR-10数据集上20-30%的错误率进展，并在模型大小相似的情况下实现了1.93%的验证误差和25.1%的ImageNet top-1误差。通过Differentiable Hyperparameter Grid Search和HyperCuboid搜索空间的设计和优化，证明了sharpDARTS的通用性，并提出了Max-W正则化以解决DARTS在新领域中的泛化问题。

为了与人类用户进行对话，需要设计能够进行人机交互的机器智能。新的机器会话模型使用逐渐构建的句子结构和复杂度的培训方法来模拟人类学习的构建过程，具有更低的验证误差。