研究称人脑活动接近但未处于临界点，多项“临界性”指标或受统计伪影影响
《物理评论快报》发表研究指出，神经数据中常用的临界性特征可能由时间自相关与有限采样共同“伪造”。研究团队提出更稳健的检验框架，并在136名受试者静息态全脑fMRI数据中发现：群体层面的大脑动力学接近临界点但仍低于阈值。
一种用于人工智能预测的简单基线：上下文复述方法
最新研究表明，一种基于时间序列局部片段的简单“上下文复述”策略，在多项复杂预测任务中可以超越当前多种主流机器学习模型。
“多即不同”：研究揭示人工智能能力并非仅靠规模，关键在专门化与协作
新研究以定量方式检验安德森“多即不同”思想在人工智能中的适用性，发现AI的强大源于节点的专门化与协同，而非单纯扩大模型规模。
