来源：《自然》（Nature）
芝加哥大学团队分析4130万篇论文发现，使用AI的科学家论文产量增加3.02倍、引用量提升4.85倍、更早成为研究领袖，但整体科学界的研究主题范围却收缩了4.63%，学者间的互动减少22%。原因是AI驱动研究向数据密集领域集中，形成“孤独的拥挤”——热门主题吸引大量重叠研究，却减少了跨领域探索与合作。这可能导致方法单一化和科学范式过早固化。研究者呼吁政策干预，激励在数据贫乏领域开展研究，并开发能扩展感知与实验能力（而非仅优化现有数据分析）的AI系统，以促进可持续的科学创新。
来源：东北大学
东北大学的研究发现，人类与AI（如ChatGPT、Llama）协作时，决定协作效果的关键并非仅在于技术性提示工程，而在于人类是否具备“共情”与“观点采择”等软技能。研究通过设定数学、物理与道德推理问题测试人机协作效率，发现能够站在AI角度思考、提供更清晰背景信息的参与者，能获得质量更高的AI回复，从而协同产出更优答案。研究证实，AI能缩小不同技能水平工作者之间的差距，但高技能者仍保持领先；而普遍认为的“AI技能培训”应超越技术层面，重视培养员工的社交感知能力，因为这种能力同样能提升人机甚至AI-AI协作的效果。
来源： 佐治亚理工学院
佐治亚理工学院研究发现，尽管用户更喜欢人性化、友善的AI聊天机器人，但在需要听从建议或遵守指令时，他们实际上更倾向于服从听起来“机械感”更强的AI。这一现象源于“自动化偏见”，即人们潜意识认为机器更客观可靠。研究提示，在设计涉及安全的AI系统（如自动驾驶）时，不应盲目追求拟人化，可靠性与合规性更为关键。
来源：《科学》
中国清华大学团队开发出新型AI药物发现框架DrugCLIP，其筛选速度较传统虚拟筛选方法提升千万倍。该系统通过双神经网络将蛋白质口袋与药物分子转化为数学向量，仅需计算向量间距离即可快速匹配。研究人员结合AlphaFold 2预测的约1万个人类蛋白质结构，利用自研工具GenPack优化结合位点精度，在一天内完成了500亿个分子与1万个靶点的10万亿次筛选，并成功为癌症与自闭症相关蛋白TRIP12找到潜在配体。该框架及蛋白数据库已开源，为全球药物研发提供新引擎。
来源：《计算机在人类行为中的应用》
德美联合研究通过四项实验发现，人们在财务决策中更倾向于信任伴侣而非AI机器人顾问。尽管AI在投资建议上可能更精确，但伴侣因“情感信任”与“算法厌恶”心理而获更高信赖。研究表明，为AI添加拟人化特征（如命名）或设计成辅助工具（如“伴侣使用AI给出建议”）能有效缩小信任差距。这提示金融机构在推广智能投顾时，应注重人机协作设计，以增强用户对技术的接纳度。
来源：《商业研究杂志》
密西西比大学等机构的研究指出，自主AI智能体（能够感知环境、推理并自主行动的AI系统）正迅速改变销售行业。这类AI可独立完成潜在客户识别、沟通、会议安排、销售信息定制及跟进等全流程任务，预计市场规模将从2025年的76亿美元增至2033年的超1390亿美元。研究认为，销售流程的早期（客户发现）与后期（售后管理）阶段最易被AI接管，而中期的信任建立与谈判仍依赖人际判断。企业需重新设计工作流、团队结构与评估体系，并为AI设置透明度、披露及人工监督等防护机制。未来销售人员的角色将转向“管理AI智能体”，而非被其取代。
来源：《PNAS Nexus》
研究者团队发表研究，基于2020-2022年间3150万推特用户数据，开发出名为JoblessBERT的AI模型。该模型能够有效识别包含俚语或拼写错误的失业相关帖文，经人口统计调整后，可提前约两周预测美国全国、州及城市层面的失业救济申请数据。相较于传统规则方法，其捕捉的失业披露数量增加近三倍，预测误差较行业共识降低54.3%。该方法在新冠疫情期间成功提前数日监测到失业申请激增，展示了社交媒体数据与AI结合可为经济政策提供实时洞察。
来源：《经济行为与组织杂志》
研究通过“选美比赛”游戏（0-100选数实验）测试了ChatGPT、Claude等主流AI模型。结果显示，AI能根据对手身份（如大一新生或学术会议参与者）调整策略，但其普遍高估了人类的理性程度，常因预设对手逻辑过强而选择偏离实际的最优数字，导致失败。这表明AI在模拟人类决策时仍存在“过度理性”偏差，未来需优化其对人性的理解，以在经济决策等场景中更贴近真实人类行为。
来源： 《自然·通讯》
研究团队利用深度学习技术，分析了J-PARC E07实验中尚未开发的大量核乳胶数据，成功识别出新型双Λ超核（硼-13）。这是全球首次通过AI辅助发现的含双奇异夸克原子核，也是25年来第二次明确观测到双Λ超核。该方法仅分析了0.2%的数据即获突破，估算全数据中可能隐藏超2000个类似事件，为探究核力本质与中子星内部物质提供了关键线索。
来源： 《科学》
研究团队成功研发全球首款全光学生成式AI芯片“LightGen”。该芯片采用三维结构堆叠超200万个光子“神经元”，实现并行光速处理。在生成高分辨率图像与视频等任务中，其速度较英伟达A100芯片快100倍，能效提升百倍，计算密度亦增加百倍，性能媲美Stable Diffusion等主流模型，为可持续AI发展提供新路径。