通过提供关于智能的纯功能性黑盒定义以及对相关概念的区分，本研究在人工智能领域提供了一个可观察的、概念上可测试的连续性定义，并指出了在可量化测量方面所面临的挑战。
Dec, 2023
该研究介绍了智能系统自识别反馈信号的必要性，提出了基于算法信息理论的智能定义，阐明了人工智能基准测试的重要性，介绍了一个使用人类内在先验近似设计的基准测试集 ——ARC，用于度量具有高通用流体智能的人工智能系统与人类的综合智能的比较。
Nov, 2019
这篇研究论文提出了一种智能的宽泛概念，将其归纳为三个层级的嵌套层次结构和围绕其及其近似值构建的更广泛的空间，并在其中确定了对应于自然智能（尤其是人类智能）和人工智能（AI）以及类似于人类智能的交叉概念的区域，并在早期探索了四个更先进、更有争议的话题：奇点，生成 AI，伦理和知识产权。
Jun, 2023
通过理论模型的建立，我们可以更好地理解大型神经网络和人工智能等领域的现象和行为，依此探讨人工智能理论中的八大挑战。
通过仿真人脑，人工智能建立了具有学习能力和接近人类水平的智能任务执行能力的计算模型，同时证明了智能的本质是一系列数学功能过程，通过建立数据集之间的功能关系来最小化系统熵，并通过能量消耗的增强方式在人类和人工智能中实现。
Jul, 2023
该研究提出了将智能视为计算的特定概念化，旨在为所有智能研究学科提供统一的视角，并解决了现有观点之间的差异。该概念化将智能视为不同范式计算的组合，提出了多学科研究议程，旨在实现智能科学的统一。
May, 2024
文章拟探讨智能的本质，并构建一个称之为‘世界 - 自我的模型’的数学模型，以此表征人工智能和人类智能的基本方面，特别地，提出了信息抽象的过程和概念的生成和关联机制等方面的内容，以及相应于任意类型的问题解决的信息输入和输出的流程，同时，还对所提倡的理论框架的计算机实现问题进行讨论。最终，作者提出了一个基于 WSM 的智能统一通用框架。
Mar, 2022
本文旨在通过数学公式将各种形式的人工智能定义转化为机器学习中的智能度量，并将之与通用最优学习智能体的理论联系起来，最后综述了已经为机器学习提出的智能度量和测试方法。
Dec, 2007
本文旨在将著名的人类智能概念的精髓进行数学形式化，以产生适用于任意机器的智能的普遍度量，这个度量从最广泛的合理意义上正式捕捉了机器智能的概念。
May, 2006
本文描述和统一引导开发通用人工智能的原则，这些原则围绕着智能是搜索问题通用解决方案的工具这一理念展开，同时提供建议以研究、测量和测试人类水平智能机器所需的各种技能和能力。
Nov, 2016