
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
这项由Snowflake AI Research发表的研究挑战了传统语言学对大型语言模型的批评,通过引入波兰语言学家Mańczak的理论框架,论证了LLM的成功实际上验证了"频率驱动语言"的观点。研究认为语言本质上是文本总和而非抽象系统,频率是其核心驱动力,为重新理解AI语言能力提供了新视角。
freephdlabor是耶鲁大学团队开发的开源多智能体科研自动化框架,通过创建专业化AI研究团队替代传统单一AI助手的固化工作模式。该框架实现了动态工作流程调整、无损信息传递的工作空间机制,以及人机协作的质量控制系统,能够自主完成从研究构思到论文发表的全流程科研工作,为科研民主化和效率提升提供了革命性解决方案。
德国马普智能系统研究所团队开发出专家混合模型的"即时重新布线"技术,让AI能在使用过程中动态调整专家选择策略。这种方法无需外部数据,仅通过自我分析就能优化性能,在代码生成等任务上提升显著。该技术具有即插即用特性,计算效率高,适应性强,为AI的自我进化能力提供了新思路。
Algoverse AI研究团队提出ERGO系统,通过监测AI对话时的熵值变化来检测模型困惑程度,当不确定性突然升高时自动重置对话内容。该方法在五种主流AI模型的测试中平均性能提升56.6%,显著改善了多轮对话中AI容易"迷路"的问题,为构建更可靠的AI助手提供了新思路。