新興的世界模型技術旨在透過讓機器更好地理解空間與時間，解決人工智慧的一致性問題。

ScienceDaily 報導，研究人員使用機器學習分析來自185個國家的癌症數據，找出可在各國改善存活率的具體政策改變。

麻省理工學院的研究人員示範了在新的資料環境中，表現最佳的機器學習模型可能會變成表現最差，揭示了醫療人工智慧及其他關鍵應用中來自虛假相關性的潛在風險。

研究人員開發了一種名為 Riff-Diff 的新 AI 方法，徹底改變了酵素設計，為工業和醫療應用創造出高效且穩定的生物催化劑。研究成果已發表於期刊 Nature。

人工智慧正將其應用擴展至太空探索，斯坦福大學的研究人員成功在國際太空站上的機器人中實作機器學習。該AI系統提高了機器人動作規劃的效率50–60%，展示了AI在太空中開創新機會的潛力。

從 LangChain 到 Hugging Face Transformers，這 16 個開源專案提供了加速 AI 與機器學習創新的基礎工具與框架。