本研究旨在解决软件漏洞修复过程中的不准确性和对特征多样性的忽视，提出了一种基于条件变分自编码器（CVAE）的自动漏洞修复技术CRepair。该方法通过预处理漏洞数据和使用因果推断技术来提升修复效果，实验结果表明其修复率高达52%，显著优于其他基准模型，推进了基于AI的代码漏洞修复应用。

本论文介绍了一种基于条件变分自编码器的双向多模态轨迹预测方法BiTraP，通过目标条件化和双向编/解码器结构提高了长期轨迹预测准确性。研究发现，CVAE中的目标模型对多模态轨迹分布有直接影响，为机器人应用的轨迹预测器设计提供了指导。