本研究提出了一种新方法Panacea，旨在应对有害细调攻击的安全风险。该方法通过自适应扰动来恢复模型的安全性，同时保持细调性能。实验结果表明，平均有害得分降低最高可达21.5%。

本研究提出了一种深度学习算法，旨在处理全景图像以提高无人驾驶汽车的准确性。通过使用PanoVOS和Panacea等数据集，生成高质量的自动驾驶样本，推动技术发展。新方法Delphi通过生成长视频，显著提升了自动驾驶模型的规划性能。