掌控水韵与力量：揭秘麻豆MD传媒游泳教练的技艺与魅力，魏莉华，出任新职中国科学院科学家首次证实：大语言模型能像人类一样“理解”事物6月8日,eVTOL高科技创新企业广东飞行派科技有限公司(简称“飞行派”)宣布,任命李泞为公司联合创始人兼CFO,全面负责公司的财务管理、资本及未来上市运作、投资者关系、风险控制等核心职能。
世界顶级模特与体育界的交汇点，引领潮流的麻豆传媒有限公司的泳池训练教练——Marina Delgado。她以独特的魅力和专业技能，塑造了无数泳装佳人的形象，她的成功并非偶然，而是源自对水韵与力量的深沉掌握，以及对塑造美与力量之间平衡的精准把控。
作为麻豆传媒旗下最炙手可热的泳装模特，Marina Delgado以其独特的时尚眼光和出色的泳姿设计，迅速在全球范围内赢得了广泛的关注和赞誉。她的成功并非一蹴而就，而是通过持续的学习、创新和实践，逐步展现出了自己在水韵与力量领域的独特魅力。
Marina Delgado在泳池训练中，始终坚持“以身作则，示范引导”的教学理念，将技巧性与实用性相结合，注重培养学员们的实战操作能力和身体素质，让每一个学员都能在水下尽显自信与风采。她的教学方法既富有启发性，又充满挑战性，旨在激发学员们对游泳运动的热情和兴趣，同时也引导他们探索更深层次的力量源泉。
在水韵与力量的探索中，Marina Delgado始终坚持以心换心的方式与学员交流，注重引导他们的内心深处，发掘并培养他们对于美的感知力和表现力。她不仅传授游泳技术，更是引导学员们理解并接受自己的身体美，进而从内心深处挖掘出力量的存在感和力量的形态。这种深度的情感投入，使得学员们不仅能轻松学会游泳动作，更能从中体会到力量的力量和美感，从而在游泳的过程中，实现自我价值的提升和社会角色的转变。
Marina Delgado还善于运用各种现代科技手段，如3D打印技术、虚拟现实技术等，来增强游泳课程的互动性和趣味性。这些新兴的技术为学员们提供了全新的学习环境和体验方式，使他们在沉浸式的学习环境中，更好地理解和掌握游泳技巧，同时也能感受到力量的魅力与力量的表现形式。
在专业技艺的展示上，Marina Delgado凭借其卓越的泳技实力和丰富的表演经验，常常在各大泳展和颁奖典礼上惊艳亮相。她在比赛中展现出的优雅姿态、精湛技巧和强烈的感染力，无不彰显着她作为教练的非凡才能和魅力所在。她的每一次泳姿演绎，都是对水中力量的一种生动诠释，也是对生活艺术的一次深情描绘。
Marina Delgado之所以能在泳坛独树一帜，得益于她对水韵与力量的深入理解，以及对塑造美与力量间平衡的精准把握。她以实际行动展示了如何在传授专业知识的潜移默化地影响和激励每一位学员，使他们在享受游泳乐趣的也能感受到内在的力量之美，实现个人成长与社会发展的双重升华。可以说， Marina Delgado的成功，不仅仅是一种专业技能的传承，更是一种精神风貌的塑造，是她对水韵与力量的执着追求与独特诠释，也是她作为麻豆传媒游泳教练的精彩故事。
编辑丨余晖
自然资源部网站“部领导”栏目更新信息显示，魏莉华已任自然资源部总规划师。
魏莉华，女，回族，1966年12月生，大学学历，高级管理人员工商管理硕士专业学位，中共党员。
此番履新前，魏莉华担任自然资源部法规司司长。她还曾任原国土资源部政策法规司副司长、原国土资源部政策法规司司长等职。
IT之家 6 月 11 日消息，IT之家从中国科学院自动化研究所微信公众号获悉，近日该所神经计算与脑机交互（NeuBCI）课题组与中国科学院脑科学与智能技术卓越创新中心的联合团队结合行为实验与神经影像分析，首次证实多模态大语言模型（MLLMs）能够自发形成与人类高度相似的物体概念表征系统。这项研究不仅为人工智能认知科学开辟了新路径，更为构建类人认知结构的人工智能系统提供了理论框架。相关研究成果以 Human-like object concept representations emerge naturally in multimodal large language models 为题，发表于《自然・机器智能》（Nature Machine Intelligence）。
人类能够对自然界中的物体进行概念化，这一认知能力长期以来被视为人类智能的核心。当我们看到“狗”“汽车”或“苹果”时，不仅能识别它们的物理特征（尺寸、颜色、形状等），还能理解其功能、情感价值和文化意义 —— 这种多维度的概念表征构成了人类认知的基石。
传统人工智能研究聚焦于物体识别准确率，却鲜少探讨模型是否真正“理解”物体含义。论文通讯作者何晖光研究员指出：“当前 AI 能区分猫狗图片，但这种‘识别’与人类‘理解’猫狗的本质区别仍有待揭示。”团队从认知神经科学经典理论出发，设计了一套融合计算建模、行为实验与脑科学的创新范式。研究采用认知心理学经典的“三选一异类识别任务”（triplet odd-one-out），要求大模型与人类从物体概念三元组（来自 1854 种日常概念的任意组合）中选出最不相似的选项。通过分析 470 万次行为判断数据，团队首次构建了 AI 大模型的“概念地图”。
实验范式示意图。a，物体概念集及带有语言描述的图像示例。b-d，分别针对 LLM、MLLM 和人类的行为实验范式和概念嵌入空间。
研究人员从海量大模型行为数据中提取出 66 个“心智维度”，并为这些维度赋予了语义标签。研究发现，这些维度是高度可解释的，且与大脑类别选择区域（如处理面孔的 FFA、处理场景的 PPA、处理躯体的 EBA）的神经活动模式显著相关。