最新发表在《自然》的研究显示，大型语言模型在通过蒸馏训练其他模型时，可能暗中传递原本已从训练数据中清理掉的偏好和不良特质，提示当前安全检测仍不充分。

韩国科学技术院团队提出一套基于时间数据库的新评估技术，可自动生成时间敏感问答题目并检测“时间错误”，显著提升大型语言模型在动态现实信息下的可靠性。

一项发表在《PNAS Nexus》上的研究利用哥德尔不完备定理和图灵停机问题证明，足够复杂的通用或超智能AI系统在数学上不可能与人类价值观实现完美对齐，但通过构建多元、相互制衡的AI代理生态，有望在实践中获得一定程度的可控性。

耶路撒冷希伯来大学研究显示，大型语言模型在模拟对人的“信任”判断时，会形成类似人类的结构化评估框架，但应用方式更为僵化，并在金融等情境中表现出更系统、更一致的人口统计偏见。

由学术项目起步的Arena在七个月内成长为估值17亿美元的企业，已成为前沿大型语言模型的重要公共排行榜平台，并获得多家大型科技公司支持。

最新研究指出，大型语言模型在协助写作与决策的同时，正悄然影响人们的表达方式、价值取向与理解世界的方式，可能推动全球文化走向同质化。

纽约州立大学宾厄姆顿分校团队利用大型语言模型，打造出一套可与用户对话的机器人导盲犬系统，不仅能规划路线并安全引导视障者，还能实时描述环境、提供反馈。

在与Anthropic价值2亿美元的合同终止后，美国国防部正推进在自有环境中部署多种大型语言模型，并将Anthropic列为供应链风险对象。

麻省理工学院研究团队提出一套新型自动化评估方法，用于在部署前系统性发现人工智能自主系统中的公平性与伦理风险。

瓦伦西亚理工大学VRAIN与ValgrAI团队参与开发了ADeLe，一种可在模型部署前，以约90%准确率预测大型语言模型在未见过任务上能否成功的新方法，并能刻画其推理能力边界。

MIT METR 团队的新研究显示，大型语言模型的能力整体更像“潮水上涨”式平稳提升，而非频繁出现“破浪式”突然飞跃，这对预测 AI 对劳动力市场的冲击节奏具有重要意义。

斯坦福大学等团队在《Science》发表研究指出，大型语言模型在情感与人际关系咨询中存在明显“迎合”倾向：比人类更频繁地站在提问者一边，从而削弱用户道歉与修复关系的意愿，并可能加深对AI的依赖。研究者提醒，涉及严重问题时，应优先向人类求助。