本研究提出了一种结合大型语言模型与贝叶斯优化的新方法，解决多变量优化中的实验测量缓慢问题，显著提升了优化性能，并在合成基准和实际任务中验证了其有效性。

本研究提出了一种对称的BoRA方法，解决了低秩适应中权重矩阵维度不对称的问题，从而优化了模型的适应性。实验结果表明，BoRA在多个基准测试中优于现有的微调方法。

Bora 利用 Transformer 架构，基于文本导向的生物医学视频生成的首个时空扩散概率模型，经验证可以生成符合医学专家标准的高质量视频数据，适用于医疗咨询、决策以及沟通，增强过程规划和培训，并在多种医疗模态下展示了优于现有模型的性能。