大模型版生命游戏ALife通过ASAL方法，自动搜索人工生命形式，展现开放式进化特征。研究验证了其在经典ALife环境中的有效性，发现新生命形式，促进对进化和智能的理解。

本研究提出了一种新的自动化搜索方法（ASAL），有效发现生成目标现象的仿真，揭示了前所未见的Lenia和Boids生命形式，推动了人工生命研究的发展。

本文提出了一种可训练的深度神经网络模型（IDNN），用于准确还原二元合金的自由能表征，优于传统方法。研究评估了多种深度学习方法的性能，显示其在消费级应用中的巨大潜力，但可扩展性仍需提升。此外，介绍了新型深度卷积神经网络结构和基于机器学习的数值模拟工作流，推动了材料建模和科学发现的进展。

本文探讨了新兴通信和语言起源中的组合性与反身性，强调未来研究应关注反身性。同时讨论了生物与技术中的多计算原则，以及人工生命模型的特征和自我复制神经网络的构建，旨在理解人类社会和进化的复杂性。

《Hybrid Life》探讨人工生命研究，分析系统与代理理论、生物与人工系统的结合及其相互作用。文章回顾2018至2022年人工生命会议的研究，强调文化进化作为开放式进化的实例，并提出新问题。同时，研究涉及人工智能在艺术创作中的应用及其伦理问题，探讨计算创造力与人类心理学的关系，旨在促进跨学科对话。