8 萬人、效果量 0.7 的自我催眠減壓 App 研究：為什麼數字漂亮不等於「證明有效」
npj Digital Medicine 一篇研究分析了自我催眠 App Reveri 上 84,395 名使用者、282,893 次 session，session 前後的壓力下降效果量 Cohen's d 達 −0.71～−0.78（屬「大」效果）。但它是回溯性觀察研究、沒有對照組、用單題 Likert 量壓力——這篇教你怎麼讀懂這種「大樣本 + 大效果」的研究，以及為什麼它證明不了因果。
Tag
#research
6 篇文章
科學家發現 AI Agent 之間有更好的溝通語言——不是自然語言
研究發現 AI Agent 之間用「湧現語言」（emergent language）比用自然語言溝通更有效率——更短、更省計算資源，但也更不透明
AlphaFold 團隊的真心話：當結果好到讓你懷疑「是不是洩漏了測試集」
AlphaFold 團隊回顧開發過程：當各種想法一個接一個奏效、成績直線上升時，他們沒有慶祝，反而開始懷疑自己是不是犯了機器學習最經典的錯——洩漏測試集。這篇整理這段自述，以及他們如何看待 AlphaFold 對健康與科學的真實影響。
NVIDIA Lyra 2.0：一張照片生成「不會崩壞」的可探索 3D 世界
Lyra 2.0 用『逐幀 3D 幾何快取』記住場景骨架，讓從單張照片生成的可探索世界在你回頭看時也不會崩壞；核心生成器是類似 Sora 的 diffusion transformer，而且模型與程式碼免費釋出。
AI 影片的動作為什麼總是怪怪的？答案不是更多資料，而是更少
用 optical flow 把『動作』從『外觀』中分離，並把它套在 AI 的內部學習訊號上，就能反查某個動作是從哪些訓練影片學來的；再用 Johnson–Lindenstrauss 投影把十億級參數壓到 512 維讓比對變得可行。最後剔除教壞模型的爛資料、用乾淨資料微調，動作品質在使用者研究中拿下 74.1% 勝率。
Sakana AI 的神經細胞自動機：當你扮演神，規則決定誰生誰死
Sakana AI（東京）做了一個讓你扮演神的數位生態模擬器：一個會學習、會攻防的神經細胞自動機格子世界。你不控制單一生物，只調整環境規則，就能決定整個生態系是滅絕、是脆弱繁榮、還是穩定共存——展示了規則如何徹底形塑系統命運。