一项发表于《认知科学》的研究报告称，含羞草在特定光暗循环实验中表现出与“追踪离散事件数量”一致的行为模式。研究人员认为，这可能是首次为植物具备枚举能力提供证据，并对“复杂信息处理是否必须依赖神经元”提出进一步挑战。

布朗大学团队发现，多种主流语言模型在内部表征中，已经自发形成与人类对事件合理性判断高度一致的结构化模式，显示出一种基础层面的“现实世界理解”。

一项基于近900只伴侣鹦鹉的数据分析显示，部分鹦鹉不仅能模仿人类语言，还可能将特定发声用作识别个体的“名字”标签。

机器学习专家 Vivienne Ming 认为，应对人工智能负面影响的关键，不是和机器“拼算力”，而是持续投资于人类独有的能力，并以主动探究的方式使用人工智能，而非被动依赖。

多项研究显示，长期依赖碎片化信息正在削弱人们的深度阅读能力。神经科学家指出，这一变化不仅影响阅读习惯，也关系到大脑处理复杂信息和进行抽象思考的方式。研究者据此提出一套五步训练方案，旨在帮助读者重新建立专注力和深度阅读能力。

研究显示，年龄会影响语言学习的方式与结果，但不存在语言学习能力在某个时间点“突然关闭”。儿童更易获得母语般口音，成年人则可凭借成熟的认知与学习策略在词汇、语法与流利度上取得进展；动机、焦虑与社会偏见等因素同样关键。

一项发表于《Advanced Science》的跨学科研究表明，当前生成式AI在视觉创造力上严重依赖人类干预，无指导状态下的表现远逊于人类，尤其是专业艺术家。

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。

巴伊兰大学研究团队在《npj科学学习》发表研究称，学习者对内容的瞬时参与度对注意力与理解的影响，整体上超过施工等背景噪音带来的干扰。

布朗大学团队提出一套融合语言与手势的新方法，让机器人在复杂环境中以约89%的成功率找到用户真正想要的物体，表现优于现有物体检索技术。

一项发表于《动物行为》的研究显示，浣熊在获取唯一食物奖励后仍持续操作复杂装置，研究人员认为这表明其存在为获取信息本身而行动的行为模式。

在智能手机和社交媒体高度普及的背景下，研究人员指出，深度阅读与批判性思维能力对于抵御错误信息的重要性正在上升，并提出通过放慢阅读节奏、社交化阅读等方式培养相关能力。