- 多模态大语言模型自然形成类人对象概念表示
通过分析行为和神经成像数据，本研究揭示了大型语言模型（LLMs）中的对象概念表示与人类的相关性，证明了 LLMs 和多模式 LLMs 已经发展出类似于人类的概念性对象表示，该研究推动了对机器智能的理解并为开发更类似人类的人工认知系统提供了参 - 证明奥林匹克代数不等式无需人类演示
提出了一种名为 AIPS 的代数不等式证明系统，它能够自动生成复杂的不等式定理，并有效地解决奥林匹克等级的不等式问题，而无需人工演示。在混合推理方式下，通过生成的数据集实施价值课程学习策略来提高推理性能，展示出强大的数学直觉。在测试集上，A - 多模态感知驱动的三维人体动作预测
未来人体姿势预测是机器智能的基本应用，本研究引入了一种新的多模态感知驱动的运动预测方法，通过结合外部 3D 场景和内部人类凝视信息来实现高保真度的生成，同时考虑人的意图和场景的语义连贯性，该方法在 3D 人体姿势和轨迹预测上取得了最先进的性 - 肉匹配机器！多尺度能力实现因果学习
生物智能相较于机器智能在不同层面展现出调适性、目标导向的行为；本文通过对多层次情绪学习的形式化来理解生物智能如何学习因果关系，并指出在硅中工程化人类抽象会在高层目标导向行为和低层目标导向行为之间断开连接，这抑制了因果关系的学习。
- 大模型时代的视觉知识：回顾与展望
视觉知识在人工智能中的重要性及其与认知心理学的关系的综述论文，强调了在大模型时代中视觉知识的机遇和独特作用。
- 从数据中推断抽象的统一符号推理模型
从神经科学的贝叶斯方法论中汲取灵感，我们提供了一种统一的概率模型，用于从数据中进行各种类型的符号推理。我们使用经典后果关系、经验后果关系、最大一致集、最大可能集和最大似然估计来描述它们，该理论为实现类人机智能的推理过程提供了新的见解。
- 一个人机协作框架用于模式开发
提出了一个新的框架，通过将人类和机器的智能结合起来，合作设计新的 Winograd schemas，从而解决 Winograd Schema Challenge 中的人工智能问题。
- 非洲的机器智能研究
通过多层多尺度和文化意识伦理的角度，本文总结了非洲地区机器智能的最新发展，展示了在音乐、艺术、非正式经济和小型企业等领域中应用机器智能的案例，并就非洲大陆的机器智能排名和指数的可靠性以及不明确的术语算法定义进行了讨论。
- 迈向生成式抽象推理：通过规则抽象和选择完成 Raven's Progressive Matrix
提出了一种基于条件生成模型的解答生成方法，通过使用潜在空间中的规则抽象和选择（RAISE）来编码图像属性、分解潜在规则，并在生成答案时选择适当的原子规则，以解决 Raven's Progressive Matrix（RPM）中的抽象视觉推理 - 运用机器智能完善液态理论
近年来，机器智能在预测电子结构、分子力场以及各种凝聚系统的物理化学性质方面得到了显著增长。然而，对于处理广泛的原子组成和热力学条件的全面框架仍面临重大挑战。本文展望了液态理论在利用最新功能性机器学习进展方面的潜在未来发展。通过发挥理论分析和 - GRID：通用机器人智能开发平台
机器智能、机器人、自主系统是研究论文的主要关键词，并且通过引入新的平台，通过物理能力、环境约束和目标来解决人工智能在机器人中的问题。
- AI 系统中自然语言理解的评估框架的再思考：语言习得作为未来指标的核心
人工智能领域，大型语言模型在自然语言处理方面的前所未有的进步为重新考虑传统的机器智能度量提供了机会。本文提出了从既定的图灵测试转向以语言习得为核心的全面框架，受到了大型语言模型最新进展的启发。
- 计算视角下的意识理论调查
这篇论文调查了来自信息理论、量子物理学、认知心理学、生理学和计算机科学等不同学科的主要意识理论分支，旨在用计算的角度来桥接这些理论，同时探讨了意识的现有评估指标和当前计算模型具备意识的可能性。突破意识之谜可能是构建具有计算机智能的通用人工智 - 解决 Raven 进阶矩阵问题的概念变化规则的抽象化
提出了一种深度潜变量模型来学习可解释的概念，并在该过程中分析潜在空间中的概念转换规则，自动抽象出数据集上共享的全局规则，并实现抽象位置上的答案生成任务。
- 利用机器智能生成数学猜想
本文提出了一种利用机器智能在数学数据中找到抽象模式生成数学不等式的猜想的系统方法，以 < f<g 类型的严格不等式为重点研究对象，并将它们与一个向量空间相关联，并在这个称为猜想空间的空间中执行几何渐进式下降算法，生成了有关素数计数函数和非阿 - 一个简单的逻辑推理和统计学习生成模型
提出了一种基于贝叶斯模型可实现逻辑推理和统计学习的新方法，使得符号推理成为正向和反向过程的结果，并对学习和推理的研究提供了新的视角。
- 人还是机器：关于图灵测试在日常生活中的思考
本文中，我们回顾了 Turing 测试及其变体，并关注了更简单的人机交互问题，探究能够可靠地识别人机交互的方法。我们认为，这个问题的研究不仅可以促进计算机系统发展方法的创新，而且可以提高我们对人类行为的理解。
- 无线电图像立方体分类的进展
本研究概括了机器智能在射电图像分类方面的应用，并聚焦于射电星系形态分类。在射电天文学中，合作制作注释数据集和索引识别到的射电源是必要的。
- 控制论环境：系统、设计和机器智能的历史反思
本文通过历史学的视角，追溯了控制论和系统思维的发展历程，指出景观设计也是控制论发展的重要组成部分，强调生态景观设计是了解机器智能的转变性视角，提出了新环境参与范式以理解设计和机器智能的问题。
- 预测遍历性：使用算法信息理论的预测建模
使用深度学习工具来发现数据中的结构以预测未来事件，但能否进行此类预测受到可用数据中结构的限制，该限制可以通过可用数据的算法复杂度来模拟。