论文解读

布里斯托大学研究者提出 Learning Ensemble 框架，借鉴药品审批机制，从系统边界、患者群体公平性、临床适配度三个维度审查医疗AI，目标是拦住那些技术指标合格、临床却可能出错甚至危险的模型。

一项新研究把大模型的结构剪枝转化为伊辛优化问题，用物理学的组合优化视角决定该删掉哪些模块，为剪枝方法提供了新的理论框架。

OpenAI 宣布与一个独立的数学与人工智能顾问组合作，用于指导新兴 AI 成果的评审与对外沟通。这标志着前沿实验室开始把「结果可信度」的裁决权部分外移。

Hacker News 上一条讨论指出，并非所有 AI 工作者都相信技术会杀死所有人。这背后是实验室安全文化与工程实践之间的认知分裂。

吴恩达公开反驳 AI 灭绝风险叙事，称其为科幻而非工程问题。这场表态把「存在性风险」与「现实治理」的路线分歧再次推到台前。

一篇引发讨论的文章指出，生成式 AI 对开放创作生态的攫取正在瓦解「创作公地」——当模型把公共知识转化为私有产品，开放共享的激励结构被根本动摇。

ICLR 2027 收到的投稿摘要约达5万篇，较上一届的1.95万篇大幅攀升。AI 降低写作门槛、企业考核与发表挂钩，共同推高了投稿量，也让评审与质量危机进一步恶化。

WIRED报道指出，强大AI模型对数学研究构成存在性风险，但研究者因其实用性而无法停止依赖——这种矛盾正在重塑学术工作的底层逻辑。

NASA 与 IBM 联合开源面向月球的地理空间基础模型，把地球观测领域成熟的基础模型范式搬到月球场景，为遥感解译与科研协作提供新底座。

Anthropic CEO称AI安全的关键在于理解模型如何“思考”，但现有可解释性证据并不乐观。当行业一边强调风险、一边加速发布，安全叙事与商业节奏之间的张力正在放大。

Google DeepMind指出，让AI模型「说出思考过程」的可见思维链正面临消失风险，这种透明度本是重要的安全优势。

42位英国皇家学会院士（含菲尔兹奖得主）联名发出公开信，警告AI生存风险真实且紧迫，并指出顶尖模型已在数月内解决开放数学难题，同样的能力可能被用于网络与生物武器。