洛桑联邦理工学院的罗伯特·韦斯特与西北大学的阿格内斯·霍尔瓦特在对话中表示，社交媒体已成为公众获取科学信息的重要渠道，而大型语言模型正加速介入论文写作与评审流程，并可能在未来数年进入“提出研究问题”的阶段。

Unchained Labs发布新一代自动化平台Stuntman，称其将大型语言模型驱动的AI嵌入系统，使科研人员可用自然语言生成并执行实验工作流程，同时保留程序化控制与开放数据记录。

Coveo宣布发布托管模型上下文协议（MCP）服务器，作为安全互操作层连接企业内容与主流大型语言模型，并在ChatGPT Enterprise上线官方应用以实现安全访问与检索。

仅移除极少部分众包数据就能显著改变在线排名平台的结果，影响模型选择的准确性。

EnCompass通过回溯和多次尝试执行AI代理程序，寻找大型语言模型（LLM）生成的最佳输出，帮助开发者更高效地使用AI代理。

麻省理工学院建筑系学生设计了一款名为“Kitchen Cosmo”的智能厨房设备，利用大型语言模型（LLM）实现实时、物理交互，帮助用户创造个性化菜谱，推动人工智能从屏幕走向现实生活。

人工智能助手常被视为减少人类偏见的工具，但多项研究与测试结果显示，聊天机器人在输出不确定信息时往往仍呈现出较高自信，并可能影响用户对自身能力的判断。一些研究者据此指出，相关系统在“应当谨慎时却显得笃定”的表现，与心理学所称的邓宁-克鲁格效应（能力不足者更易高估自身水平）存在相似之处，并已从实验现象延伸为安全与治理层面的现实议题。 人机协作提升得分，但削弱自我评估准确性 围绕大型语言模型（LLM）的

MIT-IBM Watson AI实验室的研究人员开发了一种表达性更强的架构，能够在大型语言模型中实现更好的状态跟踪和长文本的顺序推理。

被称为“人工智能教父”的杰弗里·辛顿（Geoffrey Hinton）近期在公开表态中对企业界快速推进大型语言模型（LLM）商业化提出质疑。在他看来，当前一代生成式人工智能系统在可靠性、可控性与可审计性方面存在结构性缺陷，难以与企业对准确性、问责制与安全性的要求相匹配。相关观点也与行业中企业人工智能项目高失败率的现实形成呼应。 辛顿：生成式系统“根本上不可靠”，难以与企业约束对齐 辛顿长期参与并推

OpenAI 任命 Barret Zoph 负责企业业务拓展，在其重返公司一周后即接手相关职能，企业市场被列为公司 2026 年重点方向。

新研究发现，多种主流大型语言模型会从训练文本中“继承”人类社会中的“我们与他们”偏见，并在默认与角色设定等不同条件下表现出对内群体更积极、对外群体更消极的语言模式。研究团队还提出了名为 ION 的缓解方法，可显著降低相关情感差异。

一项发表在《科学》杂志的最新研究表明，生成式人工智能正在快速渗透软件开发流程。在美国，人工智能辅助的新代码比例从2022年的5%跃升至2025年初的29%，而中国仅为12%。尽管使用率在新手程序员中最高，但真正显著的生产力收益主要集中在资深开发者身上。