罗格斯大学物理学家大卫·施在arXiv发布研究称，其团队以“打乱—复原”的魔方逻辑训练机器学习系统，用于将粒子物理中的复杂表达式还原为更简洁形式；研究过程中还与具备代理能力的AI系统Claude Code深度协作，展示了人机协同的新型科研流程。

KAIST团队开发出基于视频的最优传输偏好（VOTP）技术，使人工智能只需少量示例视频就能学习人类的意图与判断标准，被视为推动物理人工智能走向商业化的关键一步。

麻省理工学院研究人员对近百年前提出的随机效用模型进行了重大升级，揭示了通过三项选择数据能够更准确地捕捉人们偏好的新方法。

生成式人工智能快速发展，催生出大量新概念和技术术语。本文梳理AGI、大型语言模型、推理、微调等核心词汇，概述其含义及应用场景。

麻省理工学院研究人员利用经典游戏“战舰”作为测试平台，发现小型AI模型在成本仅为大型模型1%的情况下，表现反而更优。

一项基于百慕大大西洋时间序列项目水样的研究显示，在超过4.8万种海洋病毒中，约3100种呈现24小时周期性丰度变化，其中约90%在夜间达到峰值。研究团队称，这些夜间更活跃的病毒主要感染异养微生物而非光合细菌。

东伦敦大学研究显示，机器学习可在保持DISC工具简洁性的同时，提高分类准确率，并支持更短问卷与更细致的行为模式识别。

康纳·科利致力于化学与机器学习的交叉领域，推动新药化合物的发现与设计。

新研究显示，商业高分辨率影像通常更擅长识别小型水体与河流范围；而覆盖更宽光谱的公共数据在植被茂盛季节对被遮蔽水体的检出表现更突出。

研究人员通过新的标本制备方法并结合计算与机器学习工具，实现对小鼠全身切片的基因表达测绘，覆盖全部器官与约75%的已知细胞类型，相关成果发表于《Cell》。

加州大学圣塔芭芭拉分校牵头的“大蜜蜂计划”联合美国13家机构，拟建立逾100万张蜜蜂标本高分辨率二维与三维图像及带注释的性状数据集，并通过机器学习、计算机视觉与众包等方法，探索自然历史藏品在人工智能与大数据时代的研究路径。

人工智能快速发展，相关术语与行话不断涌现。本文梳理AGI、大型语言模型、深度学习、幻觉等核心概念，并将随技术进展持续更新。