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生成科学模型的批评，评估预测与数据的差异，从而提高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。

大型语言模型在语言学研究中具有科学作用，关注语言认知过程和社会实体。文中辩护了语言模型提供洞察力的立场，并借鉴科学哲学研究，展示了其作为科学模型的可能性。