《水母与蜗牛》探讨了水母与蛞蝓的共生关系，强调它们的相互依赖和生存独特性。作者反思生命的复杂性与无知，认为科学探索应关注惊奇与未知，强调理解自然的重要性。

本研究解决了水母类游泳者在二维流动中有效跟踪移动目标的难题。通过引入深度Q网络和动作调节方法，研究提供了一种新颖的训练策略，以克服复杂的流体-结构相互作用的干扰。实验表明，该方法使游泳者能够根据瞬时状态动态调整航向，扩展了机器学习在流动环境中控制柔性物体的应用范畴。

本研究提出了一种基于多任务学习的超声颈动脉内膜斑块分割与分类方法，通过区域和样本权重提升任务间相关性。利用弱监督学习，模型在斑块分类准确性上提高了约1.3%，混合回声斑块分类准确性提升约3.3%。该方法有效减少了对分割注释的依赖，验证了其在医学影像分析中的应用潜力。

本文介绍了Jellyfish，一种基于开源LLM的通用数据隐私求解器。Jellyfish能够解决各种数据隐私任务，并具备理解自然语言的能力。它能够在本地、单个低成本GPU上运行，并确保数据安全和进一步调试。Jellyfish采用了预调优和数据隐私调优技术，并通过知识注入来提高数据隐私性能。评估结果显示Jellyfish与最先进的方法相比具有竞争力且具有很强的泛化能力。它的性能与GPT系列模型相当，并且解释器具有增强的推理能力。