本文介绍了一种使用hard negatives和强健的训练程序增强检索生成模型的新方法，用于进行零样本槽填充。该方法在多个数据集上都有较大的改进，并在KILT排行榜上排名第一。作者还演示了该系统在TACRED数据集的新变体上的适应能力，并发布了源代码和预训练模型。

该论文介绍了一种利用语言提示增强物体检测的方法，通过将bounding box annotations与语言提示结合，将语言知识注入到检测模型中，并生成hard negatives以提升检测性能。该方法在MS-COCO和OpenImages数据集上取得了最新的领先水平。