标签
麻省理工学院的一篇新论文调查了268名处于职业生涯早期的数学家，发现近70%的人预计，人工智能将使终身教职轨岗位更难获得；由于担心研究成果被他人抢先发表，一些人选择不公开尚未完成的研究。在使用人工智能开展研究的受访者中，54.8%表示不喜欢使用它。
OpenAI 分享了与学术界合作、推动 AI 构建科学理解的举措，文章讨论 AI 在以太坊相关或高校学术水平测试中的表现，凸显 AI 在科研与教育领域的能力提升。
一篇讨论帖，关注本科生在没有导师指导的情况下在顶级A*会议上发表论文的上升趋势，引发了研究生社区对科研进展与期望的热烈讨论。
研究者 Peter Henderson 在 ICLR 审稿中表达对 AI 冲击学术同行评审体系的担忧，指出大量疑似 AI 生成的投稿正导致审稿质量下降与评审系统的死亡螺旋。
OpenAI 正通过全新的 Rosalind 学术计划，扩大面向学术界的 GPT-Rosalind 访问权限，为符合条件的美国大学实验室提供资助访问，以支持生物学研究和科学发现。
马里兰大学牵头的一项学术合作提出了IdeaLens方法，该方法基于一百万篇文档大纲训练，可检测想法是否源自AI，无论最终文本由谁撰写，从而与现有的AI文本检测器形成互补。
在苏黎世联邦理工学院的一场演讲中，Yann LeCun 主张学者不应研究大语言模型或生成式模型，认为学术界在这一领域已无新意可言，真正的进步在于扎根现实世界的物理人工智能——他坦言这一立场让自己在硅谷不受欢迎。
Sat 研究者 Mate Soos 认为，学术界的激励机制已逐渐偏离科学诚信。他举了一些案例：作者明知论文的评测结果有误，却选择不撤回论文；并警告称，博士生群体中对正确性的漠视正日益加重。
Science Utopia 提出了一种持久的、闭环的 LLM 智能体仿真框架，用于建模学术研究生态系统，涵盖研究方向选择、合作、同行评审、资助与人员流失等环节，在 61 个仿真世界中模拟了 40,000 多名研究人员以及 120 万份由 LLM 生成的评审意见。研究发现：因拒稿驱动的重新投稿会显著放大评审负担；谨慎的探索能够在引用影响力与职业成功之间取得平衡；即使早期资助的微弱优势不具有累积性，资源不平等仍可能出现。
Nicholas Polson 在2026年截至目前已发表258篇学术论文，标志着高水平的研究生产力。
由Northeastern University和Consumer Reports进行的一项研究显示，联网汽车广泛地与广告商和科技公司共享用户数据，其中Tesla车型显示出高度的跟踪活动。
本文提出了一种可靠性感知跨样本增强（RCE）框架，用于鲁棒多模态情感分析。该框架通过自适应信息瓶颈和跨样本来处理噪声和模态缺失问题，并在多种设置中展示出优越性能。
RAZOR是一种无需训练的方法，用于在混合专家大语言模型中通过评估功能可替换性来剪枝可替换的专家，在推理任务上相比现有方法能取得更优性能。
本文介绍了一种算法，使得不诚信的LLM提供商能够人为增加推理路径以进行过度收费，同时逃避检测，通过使用Llama和Qwen等模型的实验验证。
《JAMA》上的一项研究表明，自1990年以来，制药公司每种药物的专利数量增加了两倍，形成了'专利丛林'，延迟了仿制药竞争并维持了高药价。
本文探索使用指令调优的LLMs分析科学学习中的协作学生意义构建，发现推理增强提示和知识状态诊断能改善与专家注释的一致性。
论文提出了HasMem，一种用于长期LLM代理的自适应记忆压缩方法，该方法在保持冻结的LLM参数的同时调整记忆宽度，在重建和问答基准测试中展示了改进的性能。
本文介绍了ORCA，这是一个全面的基准，用于评估LLMs在数据科学代码翻译任务上的表现，强调了挑战并提出了一种意图增强的方法来提高性能。
ROSS 引入了对历史展开的选择性监督，以改进语言模型后训练，从而在数学、代码和软件工程任务中提升性能，无需额外的策略展开。
论文显示，在离散扩散语言模型中，当计算资源匹配时，确定性PRM指导的表现不如更简单的基线，识别出两个关键失败：弱的剪枝信号和糟糕的最终判断，并发布了一个语料库和工具包，以便进行可复现的比较。