NotebookLM是一个个性化的AI助手，旨在将信息转化为知识。新功能包括闪卡、测验、升级报告、学习指南、可信学术内容和音频概述，旨在提升学习体验，促进主动学习，方便教师和学生使用。

研究团队提出了RLVR框架，将强化学习应用于医学、法律等多个领域，使用7B奖励模型显著提升了复杂任务的表现。通过软奖励机制，模型在处理非结构化答案时更加灵活，无需特定领域的标注。

本研究解决了当前大语言模型（LLMs）在超过200个专业领域，尤其是轻工业、农业和服务导向学科中的评估不足的问题。通过提出SuperGPQA这一综合基准，采用人机协同过滤机制对研究生层面的知识和推理能力进行评估，实验结果显示现有LLMs的表现存在显著提升空间，推动了对人工通用智能的理解。

本研究提出了MMVU基准，用于评估基础模型在视频理解中的表现。该基准通过专家标注的问题，推动模型应对复杂推理需求。尽管现有模型有所提升，但仍未达到人类专家水平。

本研究探讨了一种基于大型语言模型的人工智能系统GPT-4o在多语言和多模态下的表现，针对跨多个语言和学科的物理概念评估进行了分析。研究发现该系统在每个学科的表现存在差异，尤其在实验技能方面表现最差，并且在需要视觉图像解读的问题上其表现较差。总体上，该系统在大多数学科中超越了本科生的平均水平，具有重要的教育应用潜力。

本研究针对Telegram数据分析中的网络威胁早期预警信息问题，提出了一种多学科的方法。通过结合神经网络架构和传统机器学习算法，研究有效识别和分类潜在网络威胁，并通过情感分析和实体识别提供更深入的见解。这项研究旨在增强网络安全预警系统，推动更主动的安全响应。

该论文评估了大型语言模型（LLMs）在多语言和多模态任务中的表现，发现现有模型在复杂问题上的准确率普遍低于50%，尤其在文化知识和跨语言理解方面有显著改进空间。新提出的评估工具和数据集旨在推动模型的发展和研究。

本文介绍了MMMU基准，旨在评估多模态模型在大学级学科知识和复杂跨学科任务上的表现。MMMU包含11500个多模态问题，涵盖六个核心学科，强调领域特定知识的高级推理能力。评估结果显示，先进模型如GPT-4V的准确率仅为56%，表明改进空间巨大，推动专家级人工智能的下一代多模态基础模型的发展。

大型语言模型（LLMs）在心理学研究中展现出潜力，能够生成有意义的文本并模拟人类认知。研究提出了心理学大型语言模型（PsycoLLM），通过高质量数据集训练，显示出在心理评估中的优势。尽管LLMs对心理健康问题有帮助，但也面临技术和伦理挑战，需负责任地使用。

本文介绍了多个基准数据集和工具，如DynaBench、PDEBench和PruningBench，旨在提升动力系统学习、偏微分方程模拟和结构修剪等领域的研究。此外，研究还涉及城市时空数据管理、深度伪造检测和时间图模型评估，以推动相关技术的发展和模型性能的提升。

通过收集自然通讯期刊中的开放获取科学文章，我们构建了一个多模态、多学科的数据集，对大型语言模型（LLM）和大型多模态模型（LMM）进行综合评估，结果表明这些模型在理解科学图表和内容方面面临极大挑战，并提出了基于视觉指令跟随数据的训练方法来改善性能。

人工智能的出现将带来深刻变革，计算机科学领域需要跨学科工具。该论文介绍了CDS方法论，通过向人工智能学生提出具体挑战并要求其开发解决方案设备，使设备成为社会转型的研究对象。该论文提供了在巴塞罗那自治大学人工智能专业第六学期的实施阶段中获得的数据和定性分析。

百度飞桨与复旦大学合作举办了“AI大模型赋能教师教学工坊”，160多名教师参与。工作坊内容包括大模型产业发展与教育创新、大模型赋能教学与科研、AI教学助手开发实践。教师们希望能在教学实践和科研项目中利用大模型提升工作效能。百度飞桨持续提供产教融合人才培养方案，为高校提供支持。

CookingSense是一个从各种来源中提取烹饪领域知识的集合，通过语义过滤技术构建了一个丰富的食品相关断言的知识库。使用FoodBench进行评估验证了CookingSense的性能改善，并通过定性分析验证了断言的质量和多样性。