
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
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。