人们在治疗与肥胖有关的疾病上的花销高达1470亿美元,因此搞清楚锻炼身体是否真的有助于减肥是非常重要的。一项新研究消除了许多跑步者心中都有的一个疑惑:与不锻炼相比,锻炼真能消耗更多卡路里吗?
研究人员的结论是:人们普遍认为体力劳动或体育锻炼后能量摄入会增加,但我们没有充分的证据表明高强度的体力劳动或体育锻炼会对能量摄入产生影响。换句话说,大多数人锻炼后不会比平时吃得更多,对于想减肥的人来说,这无疑是个好消息。
堪萨斯大学医疗中心的研究团队还发现,不同的锻炼方式的结果基本没有什么两样,这其中包括有氧运动和力量训练、锻炼强度、锻炼时间。锻炼不会改变人们的吃饭行为,研究人员在报告中称,“我们没有发现锻炼能影响营养摄入的证据。”
调查人员指出,许多减肥方面的研究显示,锻炼会引起脂肪含量、而非肌肉的减少。研究人员在报告中称,“这些因素可能与长期保持减肥效果有关。”
知名营养学家南茜·克拉克(Nancy Clark)表示,尽管经常警告跑步者不要期望能大幅减肥,但她对这项研究表示欢迎,“我对客户的建议是,想健康就锻炼,想减肥就少吃。我发现许多人早上跑上10英里后就会大吃一顿,然后一整天基本上就不再运动了”。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。