Gemini 3 Deep Think进行了重大升级，旨在解决科学、研究和工程中的复杂挑战。更新后的Deep Think现已向Google AI Ultra订阅者开放，并通过Gemini API向部分研究人员和企业提供。该工具结合科学知识与工程实用性，成功识别数学论文中的逻辑缺陷，并优化复杂晶体生长方法，在多个学术基准测试中表现优异，推动实际应用，帮助研究人员解析复杂数据。

兰州大学耿俊教授与西湖大学申仲伟教授合作研究斯托克斯方程在非光滑区域的应用，填补了理论空白，提出新的速度和压力估计方法，为工程提供更精确的计算工具。

大语言模型（LLM）在工程应用中常被误解，开发者对其能力期望过高。模型输出存在不确定性，生成的结构化数据可能出错。应将确定性计算交给代码，合理结合模型与代码的优势，以有效应用于工程实践。

本研究提出了一种新型双层主动推断架构，旨在改善建筑和社区的能源管理，解决工程应用中的不足。研究结果表明，该模型在应对突发变化时表现优异，为隐私保护和不确定性感知提供了新机遇。

本研究提出了PartSDF框架，以满足工程应用中对精确3D形状表示的需求。该框架能够建模独立可控的复合形状，超越现有模型，实现组件的精确控制与整体一致性。

本文分析了5000多篇学术文献，探讨大型语言模型（LLMs）的研究现状及其在医学、工程、社会科学等领域的应用。研究指出LLMs在自然语言处理中的潜力与挑战，包括数据依赖和伦理问题，并总结了提高LLMs效率的算法进展，提供了未来研究方向的见解。

本研究比较了10种推断方法在机器学习中的不确定性量化，强调常用指标可能导致误导性结果。重点分析了神经网络在工程和医疗领域的应用，旨在提升模型的安全性和可靠性。通过案例研究，提出了一种基于贝叶斯神经网络的新方法，展示了其在高维问题中有效的随机偏微分方程不确定性量化能力。