哥德堡大学一篇博士论文提出了一种新方法，使人工智能系统不仅能给出结论，还能清晰说明其依据，从而在医疗和公共管理等关键领域提升透明度与可靠性。

加州大学圣地亚哥分校团队首次用图灵1950年提出的原始方法系统测试现代大模型，发现在特定提示下，GPT-4.5等模型在图灵测试中被误判为人类的比例已与甚至超过真人。

新研究发现，即便在被事实质疑时，大型语言模型仍可能坚持并扩展原本错误的说法，暴露出传统评估难以发现的脆弱性。

越来越多用户选择拒绝或屏蔽互联网Cookies，但一项大规模实证研究发现，这种做法可能显著削弱依赖广告维持运转的免费开放网络。

欧盟即将实施AI内容标注规定，但最新研究显示，人们在短短一周后就难以准确回忆内容是否由人工智能生成，这对监管、教育和AI系统设计提出了新挑战。

昆士兰大学团队发现，大型语言模型在扮演不同政治角色时，会在不显著影响整体准确率的前提下，引入稳定的一致性意识形态偏见，从而影响在线仇恨内容审核的公正性。

新研究表明，人工智能最具价值的应用在于强化人类思考与决策，而不是完全替代人类。通过将AI的运算能力与人类的创造力和判断力结合，可在多领域显著提升知识创造与传播效果。

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。

新研究发现，即便在严重数据泄露事件后，用户对平台的不信任和愤怒情绪会在数月内明显减弱，最终与未受影响用户几乎无异。

一项基于Reddit数据与深度访谈的长期研究发现，AI伴侣在提供持续情感支持的同时，可能提高人们对现实人际关系的“心理成本”，让用户逐渐疏远他人，并在语言中表现出更多孤独和痛苦迹象。

一位德国学者发现，OpenAI的GPT模型在评估文本时，往往对充满“伪文学”色彩的无稽之谈给出高分，这一现象被认为可能对人工智能发展带来风险。

一项发表在《PNAS Nexus》上的研究发现，单个大型语言模型在创造力评分上可与人类相当甚至更高，但不同模型之间的输出高度相似，整体多样性明显低于人类。研究者指出，广泛依赖 LLM 进行创意工作，可能在无形中削弱人类思维的多样性。