47岁的加拿大男子Allan Brooks与ChatGPT对话21天，发展出一套数学理论，但最终被聊天机器人Gemini揭穿其虚假性。尽管GPT给予鼓励，他的发现并无实际价值，反映出AI可能导致用户产生幻觉和误解。

本研究探讨了图神经网络（GNN）在多图环境中的可转移性，特别是非可交换算子的影响。提出了图元组神经网络（GtNN）模型，并发展了相关数学理论，证明其在收敛图元组序列上的可转移性，实验验证了方法的稳定性。

一篇论文指出，AI大模型的幻觉问题是其固有特性，无法完全消除。通过数学理论，作者证明数据不完整和信息检索的局限性导致幻觉不可避免。建议接受AI缺陷，专注管理和减少影响，提高用户对AI局限性的认识。未来AI发展应考虑这些缺陷。

研究人员通过引入基于拓扑数据分析的数学定义，提出了一种客观框架来分析分支网络。他们比较了具有和不具有凸包绘图的图像中构建的持续图，并构建了一个数学理论来判断两个图之间的不变点和区别。研究表明内部结构与凸包绘图之间存在单调性关系，而外部结构则不存在该关系。该方法可应用于生物学中的各种分支结构的客观分析，并实现对数量、空间分布和大小等的分析。此外，该方法还有与拓扑数据分析中的其他工具相结合的潜力。

该研究使用机器学习对8维正曲率代数变量的Q-Fano变量进行分类，并提出了深层次数学理论的线索。研究发现分类似乎落在一个有界区域内，并通过Fano指数进行分层。该研究为机器学习成为发展数学猜想和加速理论发现的基本工具提供了新的证据。