金属有机框架（MOFs）在气体存储和催化领域具有潜力，但设计空间庞大且实验效率低。研究团队提出了一种基于机器学习的模型，利用大语言模型预测MOFs的自由能，显著降低计算成本，合成可行性判定准确率达到97%。该方法为MOFs的高通量筛选提供了新思路。

普林斯顿大学团队开源了Goedel-Prover形式化推理模型，成功解决非形式化推理验证问题。该模型在自动定理证明中表现优异，准确率提高7.6%，解决了29.7K道题目，推动了形式化推理的发展。

我参加了普林斯顿大学的算法课程，内容扎实但授课方式乏味。通过这门课，我掌握了排序和搜索等基础算法，并学会了用AI工具将算法翻译成JavaScript。尽管课程呈现不佳，我仍通过坚持和创造性解决问题提升了技能。

刘壮将于2025年9月成为普林斯顿大学助理教授。他开发了DenseNet和ConvNeXt，在深度学习和计算机视觉领域具有重要影响。他曾就读于清华大学和加州大学伯克利分校，并在Meta AI Research工作。他的研究挑战传统观念，近期关注数据集偏差问题。未来，他将在学术界探索新方向。

普林斯顿大学研究人员探讨了基于Transformer架构的语言模型和人类大脑在语言处理中的功能特殊化问题。研究发现，注意力头的计算可以解释大脑活动的差异，而transformations比嵌入本身更能解释大脑活动中的差异。这项研究为理解人类语言处理提供了新的视角。

这篇文章介绍了6门计算机科学课程，涵盖编程、算法、数据结构和计算机体系结构等知识。适合不同水平的学习者，提供免费课程，帮助人们获得计算机科学知识和技能，开展职业生涯。