马斯克的Grokipedia和SciencePedia在AI重写知识库方面各有侧重。Grokipedia旨在成为Wikipedia的替代品，强调去偏见，但上线遇挫。SciencePedia专注于科学知识的结构化，提供可验证的知识网络，目标更务实。两者面向不同用户，前者适合快速获取信息，后者适合深入学习与研究。

在北京举办的“AI变量研究所”交流活动中，许华哲探讨了具身智能的三大失败模式：数据依赖、任务选择和仿真局限。他强调AI发展是复杂网络，需不断修正路径。活动吸引了多位AI从业者分享见解，推动科学知识传播。

本研究提出“认知新兴”框架，旨在解决科学知识创建模型的局限性，强调人类与人工智能的互动对科学理解形成的影响。核心要素包括主体配置、认知维度和伙伴动态，为人机合作提供新视角和工具。

本研究旨在解决版权、付费墙和许可证限制科学知识传播的问题。作者提出了一种新方法，将学术文献转换为知识单元，以提取可复用的科学知识，同时遵循法律要求。研究发现，知识单元能够有效保留约95%的原始事实知识，为科学研究和教育的自由化提供了重要支持。

Graphusion是一种零样本知识图谱构建框架，适用于自然语言处理。在TutorQA中，Graphusion的链接预测准确率超过有监督的基准最多10%。概念实体提取和关系识别的人工评估分数分别为2.92和2.37。

大型语言模型（LLMs）在科学研究中的广泛应用需要先进的评估标准来全面评估它们对科学知识的理解和应用。为了解决这个问题，我们引入了 SciKnowEval 基准，这是一个新颖的框架，从五个渐进的科学知识水平对 LLMs 进行系统评估：广泛学习、认真探究、深入思考、清晰辨别和勤奋实践。这些水平旨在评估 LLMs...

本研究提出了一种利用大型语言模型（LLM）应用架构实现生成式人工智能服务的方法，解决了信息匮乏的挑战，并通过利用 LLM 功能提出了具体的解决方案。研究突出了所提出方法的有效性和适用性，对推进生成式人工智能领域和促进企业内部利用 LLM 服务具有重要价值。

研究者通过额外训练将专业科学知识嵌入到Llama 2 Large Language Model（LLM）中。研究结果显示，有效的知识整合需要多角度阅读文本并利用文本增强来解决专业文本稀缺问题。超参数优化对不同尺寸的模型（7b、13b和70b）的额外训练至关重要。研究者构建了一个包含65,000篇科学论文的数据集，并指出将专业信息整合到LLM中的复杂性和局限性，提出了进一步改进的领域。