本研究提出DisCoCirc框架，旨在提高传统混合量子-经典模型在处理大型文本时的效率。该方法通过将文档编码为参数化量子电路，并利用树状预组图实现高效转换，推动量子自然语言处理的发展。

本研究提出了一种基于多模态大型语言模型的超声报告生成框架，旨在解决报告生成中的多样性和标准化问题。通过模块化文本与影像数据对齐，并结合双语数据集，实现了不同器官和语言间的一致性和准确性。该方法在多个评分指标上优于传统方法，显示出在临床应用中的潜力。

本研究提出了多语言基准BRIDGE，评估大型语言模型（LLMs）在临床实践中的表现，涵盖87个任务。结果显示，开源LLMs的性能与专有模型相当，而基于旧架构的医学微调LLMs表现不佳，为新模型在理解临床文本的开发与评估提供了重要资源。

本研究提出了一种新型模型，旨在改善人工智能生成内容检测系统在短文本识别上的不足。该模型使用超过240万条标注数据进行训练，展现出良好的泛化能力和鲁棒性，推动了AI生成内容检测的进步。

本研究提出了一种新方法GRAPHTREX，用于临床文本中的时间关系提取。该方法结合了跨度实体关系提取和异构图变换器，显著提高了时间关系提取的F1分数，为改进诊断和预后模型奠定了基础。

本研究开发了Iffy-Or-Not（ION）浏览器扩展，旨在提升用户在社交平台上识别虚假内容的能力。研究发现，ION能够激发用户关注内容并提出启发性问题，但也存在用户适应性不足和潜在反效果的问题。

本文提出了一种新方法，通过CogWriter框架和认知写作理论，系统提升大型语言模型生成高质量长文本的能力，显著提高复杂指令的执行准确性。研究在LonGenBench基准测试中表现优异，为语言模型写作发展指明了新方向。

本研究解决了社交媒体上AI生成文本（AIGT）缺乏系统性评估的问题。通过构建数据集和检测器，发现Medium和Quora的AI归因率显著上升，表明AIGT可能对公众舆论产生影响。

本研究提出了一种新颖的藏语对抗文本生成方法TSCheater，利用视觉相似音节的特点，建立了藏文音节视觉相似性数据库TSVSDB，从而提高了对抗攻击的有效性和文本质量，并构建了首个藏语对抗鲁棒性评估基准AdvTS。

本研究探讨法律文件因结构复杂和术语专业导致的可读性差问题，识别出常用的可读性指标，发现Flesch-Kincaid年级水平最为普遍，强调需在法律文档可读性评估上达成共识。

本研究探讨了互文性在文学研究中的不足，利用计算文学方法分析了12000部法语小说，揭示了子类型和经典对文本相似性及文学演变的重要影响。

本文介绍了MathHay自动化基准测试，用于评估模型在长文本中的数学推理能力。结果显示，表现最佳的模型Gemini-1.5-Pro-002准确率仅为51.26%，说明该领域仍需改进。