Go语言强调简单和明确，但近期提案揭示了%q格式化的误用问题，开发者常误用%q处理整数，导致意外输出。Go团队将增强go vet工具以警告此类错误，反映出语言设计的复杂性与历史包袱。

本研究解决了音乐惊讶度在音频建模中的应用问题，提出了一种使用自回归Transformer模型来预测压缩潜在音频表示的新方法。研究结果表明，音乐片段类型的惊讶度与音频特征如音色变化和响度高度相关，且该方法能够有效预测人类对音乐的惊讶反应。

本研究探讨了语言模型中标记粒度对惊讶度预测的影响，提出了一种新方法。结果表明，标记粒度显著影响预测能力，尤其是8,000词汇量的标记最具预测性，对认知建模应用具有重要意义。

本文解决了叙事紧张核心情感（好奇心、悬念和惊讶）缺乏统一框架的问题，通过非单调推理方法进行形式化。研究发现这种框架可以有效模拟故事接收者的情感演变，并提出评估情感强度的方法，为叙事理论与情感计算提供了新视角。

该文介绍了一种基于无监督的基于图的排名模型，用于提取科学文献的摘要。该方法在PubMed和arXiv数据集上的结果表明，其在自动指标和人工评价方面优于强无监督基线，并且其性能与许多基于监督学习的方法相当。这些结果表明，篇章结构中的模式是确定科学文章重要性的强有力信号。