本研究提出了一种统计置信区间方法，以解决功能机器学习技术的可靠性问题。该方法通过构建低维预测误差的嵌套置信集，生成具有覆盖保证的预测集，适用于复杂的科学机器学习模型。

本研究提出CriticAL方法，利用大型语言模型自动批评科学模型，解决传统方法依赖人类专家的问题。该方法生成模型预测与数据差异的摘要统计，并通过假设检验评估其重要性，实验表明提高了模型的透明度和可操作性，对科学发现具有重要影响。

人工智能开发商Mistral开源了数学推理和科学模型Mathstral-7B，该模型解决复杂的高级数学问题，提供32K上下文，可用于STEM学科。模型基于Mistral-7B开发，可通过微调进行训练。模型已在HuggingFace平台上发布，使用Apache 2.0许可证开源。