本文研究了影响对抗样本传递性的因素，提出了多种增强传递性的方法，如方差降低攻击、GAMA和查询先验方法等。实验结果表明，这些方法在CIFAR和ImageNet数据集上显著提高了对抗攻击的可转移性和效率。此外，研究引入了TAA-Bench基准框架，为不同模型的比较分析提供了标准化平台。

本研究提出了多个AI系统和模型，包括CompA、AudioGPT和GAMA，旨在提升音频理解、组合推理和情感识别能力。通过改进训练方法和引入新基准（如AIR-Bench），研究揭示了现有模型的局限性，并推动了多模态AI的发展。