谷歌与英联邦聚变系统（CFS）合作，利用人工智能技术开发高效的等离子体模拟器TORAX，以优化聚变反应堆SPARC的性能，推动聚变能源的商业化和可持续发展。

本研究提出了一种新方法SPARC，旨在平衡多模态大型语言模型在图像字幕生成中的准确性与召回率，通过增强关键视觉元素的贡献，提高图像字幕质量。

本研究针对传统深度估计方法在物体检测中存在的假阳性和定位精度不足的问题，提出了一种新的稀疏融合变换器SpaRC，通过稀疏体视图融合、范围自适应雷达聚合和局部自注意力实现不同模态特征的精确对齐和聚合。实验结果显示，SpaRC在nuScenes和TruckScenes基准测试中显著优于现有的密集BEV和稀疏查询检测方法，展示了其在效率和准确性上的显著提升。

当前最先进的大型语言模型（LLMs）在空间推理方面性能较差，但随着模型规模的扩大，在空间推理能力上有了显著提升，Finetuning 大或小型语言模型可以显著提高它们的 F1 分数，专有的 LLMs 在拓扑空间理解和推理方面明显优于开源模型。

SPARC是一种预训练多模态表示方法，通过序列损失和对比损失提高图像级和区域级任务的性能，同时改善模型准确性和生成图像描述的能力。