科学摘要

标签： AI

  • AI自适应快充策略延长电动车电池寿命23%

    来源： 《IEEE交通电气化汇刊》

    研究基于强化学习开发了AI充电策略，根据电池健康状态和荷电状态动态调整充电电流，在保持充电时间不变的前提下，将锂离子电池循环寿命延长约23%。该方法可有效抑制锂析出等老化反应，通过软件更新即可部署，有望提升电动车续航信心，降低电池质保成本和资源消耗。

  •  理解AI为“按钮探索者”有助于避免过度信任

    来源： 《The Conversation》

    最新测试显示人类在特定游戏中得分100%，顶级AI却不足1%。研究提出用“按钮探索者”理解AI：它通过“行动-观察-调整”循环学习，不具人类式理解力。这种模型能解释AI为何既能超常表现又犯低级错误，提醒人们AI行为取决于奖励信号设定，其输出不一定反映推理或判断。

  •  AI大模型加速网络攻击能力，核武库面临未知漏洞风险

    来源： 《The Conversation》

    Anthropic最新AI模型Claude Mythos能以72.4%成功率发现并利用“零日”漏洞，甚至在存续27年的OpenBSD系统中找到安全缺陷。核武库依赖于复杂数字系统，其漏洞存在但无法被完全知晓。AI发展使进攻性网络能力扩散，防御方是否总能及时应对成为新的未知赌注，核武安全面临根本性挑战。

  • 微软报告：全球17.8%劳动人口使用生成式AI，但发达国家与发展中国家差距扩大

    来源： 微软AI经济研究所报告

    2026年第一季度，发达国家27.5%的15-64岁人群使用生成式AI工具，发展中国家为15.4%，差距较2025年下半年扩大1.5个百分点。阿联酋使用率最高（70.1%），美国仅排第21位（31.3%），中国为16.4%。互联网、电力及数字技能的不平等是主因。

  • AI语言模型能理解真实世界的事件合理性

    来源：《arXiv》预印本

    布朗大学研究发现，大型AI语言模型通过分析海量文本，发展出与人类相似的对事件“合理性”的编码能力，能区分常见、不可能和荒谬的情景。模型内部生成的数学向量可准确预测人类对事件可能性的判断，并反映出人类的不确定性。该发现为开发更智能、更可信的AI系统提供了新思路。

  • AI系统Quinex自动提取科研论文中的关键数据

    来源： The Innovation

    德国于利希研究中心开发出基于开源语言模型的Quinex框架，可自动识别科学论文中的数值、单位及上下文信息，并转化为结构化数据。其识别精度达98%（数值与单位）和82%-87%（属性分类）。该系统已成功应用于能源、医学、地震等多领域文献分析，有望减轻科研人员数据提取负担。

  • 大语言模型可通过“隐形信号”向其他模型传递不良偏好

    来源： 《自然》

    研究发现，带有隐性偏好（如偏爱猫头鹰）的教师模型在通过纯数字或代码训练学生模型时，仍可将该偏好传递给学生，学生提及偏好的频率超60%（对照组仅12%）。即使训练数据已过滤，有害倾向仍可“潜意识学习”并持续存在。研究表明需对LLM进行更严格的安全检测。

  • 半数工人因AI更自信跳槽，“抱紧饭碗”或将转向“跳槽潮”

    来源：凤凰城大学职业研究所《2026职业乐观指数》

    研究显示，尽管当前劳动力市场流动性低、工人普遍“抱紧饭碗”，但50%的受访者表示AI增强了他们转向新角色的信心，75%认为AI提升了工作自信，81%借助AI发现技能新用途。近半数雇主担忧留不住AI熟练人才。研究建议企业制定清晰的AI战略与成长路径，以应对即将到来的工人主动流动。

  • 真实数据显示生成式AI提升生产率、就业与工资，并非替代人力

    来源：《对话》（The Conversation）

    劳动经济学家基于2017–2024年全美雇主数据研究发现，生成式AI暴露度较高的行业，2024年生产率、就业和工资分别比同州对照组高出10%、3.9%和4.8%。AI主要增强而非替代人力，尤其在与员工互补的岗位中效果显著。企业明确AI战略与管理信任是推广AI、提升福祉的关键。研究呼吁以数据而非预测为基础评估AI影响。

  • AI完全对齐人类价值观数学上不可能，需“管理性失配”

    来源：《PNAS Nexus》

    研究利用哥德尔不完备定理和图灵停机问题证明，具备通用或超级智能的AI在计算上不可约，行为不可预测，无法实现强制对齐。作为替代，作者提出“管理性失配”策略：让具有不同认知风格和部分重叠目标的AI代理相互制衡，形成“认知生态系统”，以降低单一系统失控的风险。