研究人员通过微调开源大语言模型，提出了LLM4Causal，能够识别因果任务并解释结果。他们还提出了数据生成过程和两个微调数据集。通过案例研究，展示了LLM4Causal能够提供因果问题的解决方案和易于理解的答案。数值研究显示，它在查询时具有显著的能力。

本文研究了深度学习算法在构建高维次稳态分子系统的共同变量及其有效模拟中的应用，并对两种方法进行了比较的数值研究。

该研究发现神经网络的演化可以用神经切向核表示，网络函数在训练期间遵循线性微分方程。研究还对神经切向核进行了数值研究，并将其与无限宽度的极限进行了比较。