本研究解决了城市三维变化检测中多类语义信息提取和变化特征建模的难题。提出的多任务增强跨时间点变换器（ME-CPT）通过建立不同时期点云的时空对应关系和采用注意力机制，有效提取语义变化特征。此外，研究发布了一个22.5平方公里的三维语义变化检测数据集，对提高变化类型的可区分性和缓解样本不平衡具有重要意义。

本文讲述如何使用WordPress作为无头CMS，通过自定义文章类型和高级自定义字段创建灵活内容平台。无头WordPress让前端团队选择喜欢的框架，提高界面性能，并分离编辑和开发需求。利用WordPress的REST API和Postman工具，可以程序化管理内容。CPT和ACF使内容结构更灵活，适合多渠道数字体验。

本文研究了以持续预训练的方式构建新语言的大型语言模型，并通过40个模型规模的并行实验表明CPT能够快速收敛并节省计算资源。研究还发现CPT的计算最优数据-参数分配存在差异，通过数据重播可以减轻灾难性遗忘。希望这些发现能为规模化LLMs的可迁移性提供见解。

本文研究了以持续预训练（CPT）构建新语言的大型语言模型（LLMs），通过40个模型规模的并行实验表明CPT能够快速收敛并节省大量计算资源，为规模化LLMs的可迁移性提供深入见解。

本研究验证了引入CrossTune标签增强的交叉注意力网络在少样本文本分类中的有效性。实验证明，使用ChatGPT生成额外训练数据可以提高CrossTune的泛化能力，平均提升了5.7%。即使不使用ChatGPT增强数据，CrossTune的性能也优于或与以往方法相当。

本研究探讨了电子商务领域持续预训练对大型语言模型的影响，并证明了其有效性。同时，提出了一种混合策略来更好地利用电子商务半结构化数据。

通过流体力学的灵感，我们提出了一种使用隐式神经表示连续建模患者解剖运动的新方法，有效地桥接了欧拉和拉格朗日规范，从而自然地促进了连续帧插值。

本文介绍了一种用于评估新辅助化疗后乳腺DCE-MRI的长期变形注册方法，通过无监督关键点检测和选择性体积保持的有条件金字塔式注册网络，能够精确量化肿瘤变化。验证实验证明该方法具有更好的注册性能和肿瘤体积保持能力，可用于病理完全缓解预测，避免不必要的手术。对临床医生和计算机系统来说，该注册方法对图像进行随访肿瘤分割和响应预测具有很大价值。