AIhub

随着越来越多的新闻内容由机器生成，语言正变得同质化，失去创新性。研究表明，AI模型在自生成文本上训练会导致“模型崩溃”，进一步缩小公共语言的多样性。这不仅影响新闻业，也削弱了社会描述和讨论现实的能力。

本期月度文摘涵盖保护工作中基础模型的应用、人工智能如何帮助稀缺资源分配、颜色隐喻和大语言模型对人类认知的启示，以及ICRA上的前沿机器人展示。

AAAI发布《AI研究未来》报告，涵盖17个AI主题。第五场小组讨论聚焦AI智能体，探讨从规则系统到基于生成式AI的多智能体协作框架的演变，以及对齐、治理等挑战。

在本次专访中，AAAI会士Tanya Berger-Wolf分享了她在人工智能与生态学交叉领域的开创性工作，包括开发生命之树基础模型BioCLIP，该模型在物种分类、新性状发现以及实际应用（如通过图像识别蜱虫）方面取得了显著成果，并展望了AI驱动的科学发现未来。

在与道格拉斯·吉尔博（Douglas Guilbeault）的访谈中，我们探讨了他的论文《比较色视者、色盲者、画家与大型语言模型处理颜色隐喻的方式》。研究结果对如何模拟人类认知以及如何整合联觉概念以开发更智能的AI模型具有重要意义。颜色隐喻是理解LLM是否真正理解语言的关键测试案例，研究表明，尽管LLM能学习统计模式，但它们缺乏人类具身认知所依赖的丰富体验。

本期《Good Robot》播客中，主持人Eleanor Drage与研究员Tara Merk探讨了社区拥有的数据中心如何改变数字所有权、挑战大型科技公司的主导地位。对话涵盖了优先考虑地方赋权、可持续性和合作治理的替代互联网基础设施模式，并借鉴德国可再生能源领域的案例，反思去中心化所有权如何创造更公平、更环保的技术系统。

第25届国际自主代理与多代理系统会议（AAMAS 2026）于2025年5月25日至29日在塞浦路斯帕福斯举行，颁发了最佳论文、最佳学生论文和最佳蓝思论文三个奖项。最佳论文奖授予《制定人机团队指南：多利益相关者视角》，最佳学生论文奖授予《通过RSA预先规划：在动态环境中通过预测用户意识实现高效信号传递》，最佳蓝思论文奖授予《超越静态环境的学习、验证和可靠适应的基础世界模型》。

Sanmay Das，弗吉尼亚理工大学计算机科学教授，因在多智能体交互机制和学习技术方面的贡献当选2026年AAAI院士。他研究AI与经济学交叉领域，关注稀缺社会资源分配，并探讨AI在公共资源分配中的应用。

俄勒冈州立大学的研究表明，在人工智能系统中加入设计摩擦，例如提示用户考虑能源消耗，可以减少不必要的AI使用。基于行动的设计摩擦（要求用户搜索现有资源）能有效促进生态责任行为，而基于提示的信息仅增加了信任。随着AI能源消耗日益增长，此类干预措施至关重要。

OpenAI的AI模型找到了保罗·埃尔德什1946年提出的平面单位距离问题的一个反例，表明网格状布局并非最优。该结果由AI自主产生，随后由数学家Will Sawin改进。这标志着AI在数学研究中的作用日益增强。

本文汇总了2026年6月1日至7月31日期间即将举行的七场免费AI研讨会，涵盖无人机群体智能、蛋白质动力学模拟、媒体素养、极端降水预报等多个前沿主题。所有活动均可在线免费参与。

《图像帝国》是一部关于当代AI模型中真实与虚拟融合的动画寓言。该片是艾伦·沃伯顿研究项目的一部分，还包括研究论文和一系列附带活动。

本月AIhub月刊涵盖科学中的AI会议、彩票假说访谈、世界模型讨论、透明可信AI研究、基础模型影响报告、AIES会议反思、机器人咖啡馆、ACL论文拒稿政策、arXiv反AI垃圾政策等。

研究表明，AI聊天机器人可以轻易地通过个性化广告操纵用户，且多数用户并未察觉。随着微软、谷歌、OpenAI等公司试验聊天机器人广告，这一趋势引发了对用户隐私和决策自主性的担忧。

本期《好机器人》播客探讨了如何通过女性主义原则和去中心化基础设施，将云基础设施从大科技公司手中夺回，转变为公共资源。弗里德里克·冯·弗兰克（Wikimedia Germany政策顾问）分享了她的工作，并讨论了从法兰克福能耗密集型数据中心到斯德哥尔摩市政光纤基础设施的案例，强调环境责任和社区驱动的设计。

本月AIhub咖啡角邀请了多位人工智能专家，围绕“世界模型”这一热门话题展开讨论。专家们探讨了世界模型的不同定义、潜在应用以及面临的挑战，包括在机器人训练、手术模拟等领域的案例，并分析了其与语言模型、因果模型等概念的异同。

Anthropic的Mythos模型发现了数千个严重安全漏洞，包括许多长期未被察觉的零日漏洞。全球银行担心网络犯罪分子会利用该技术进行抢劫。Anthropic已向包括微软、亚马逊在内的防御联盟提供访问权限，但澳大利亚、英国和欧洲的银行尚未获得。专家建议用户保持警惕并更新系统。

乔纳森·弗兰克尔因其彩票假说获得2023年AAAI/ACM博士论文奖。在访谈中，他讨论了经验主义与理论证明的对比、计算机科学研究方法的变化、年轻研究者对影响力的追求，以及当前AI研究的关键问题：如何判断AI是否有效。

MIT和MIT-IBM Watson AI Lab的研究人员开发了快速预测工具EnergAIzer，可在几秒内估算AI工作负载在特定处理器上的功耗，误差仅约8%，帮助数据中心优化能源效率。

每年因系统故障损失超过万亿美元。为快速解决故障，工程师需要分析观测指标（时间序列数据）。ARFBench是一个基于Datadog内部真实事件的时间序列问答（TSQA）基准，评估现有AI模型在TSQA任务上的表现。研究发现，现有模型仍有较大改进空间，而混合TSFM-VLM模型展示了潜力，且人类与AI具有互补性。

联邦遗忘旨在通过允许从训练好的AI系统中删除用户数据来增强隐私，但研究发现它引入了新的安全漏洞，例如攻击者可注入隐藏后门，随后请求遗忘以掩盖痕迹。当前方法验证不足，可能损害系统完整性。

本文反思了AIES 2025会议，重点讨论了关于LLMs在临床使用和人权背景下的会话与演讲。

新加坡南洋理工大学的科学家开发出一种生物芯片，结合计算机视觉和深度学习，可在20分钟内快速准确地检测微量microRNA，有望替代传统PCR方法用于疾病诊断。

一项发表在《BMJ Open》上的新研究测试了五种主流AI聊天机器人（ChatGPT、Gemini、Grok、Meta AI和DeepSeek）在50个健康问题上的表现，发现近20%的回答高度有问题，一半的回答有问题，30%存在一定问题。Grok表现最差，开放性问题风险尤其高。研究强调用户不应视AI为权威医疗来源，需验证信息。

GRASP是一种针对学习型动力学（世界模型）的新型梯度规划器，通过提升轨迹到虚拟状态实现时间并行优化、在状态迭代中加入随机性以探索、重塑梯度以避免高维视觉模型中的脆弱状态输入梯度，使长视界规划变得实用。文章详细分析了长视界规划面临的梯度爆炸/消失、非贪婪局部最优以及对抗鲁棒性问题，并介绍了GRASP的解决方案。

随着AI工具的普及，人们越来越倾向于将困难思考任务外包给聊天机器人等工具。然而，认知科学研究警告，过度依赖AI可能侵蚀批判性思维能力。关键在于有意识地使用AI，平衡外部支持与自身认知努力，并通过反思实践保持控制。

在本期AAAI/SIGAI博士联盟系列访谈中，我们采访了正在研究透明可信AI系统的温希明。她分享了关于原型可解释模型、空间定位以及将可解释性应用于医疗AI和大型语言模型的研究工作。

人工智能合作伙伴关系（Partnership on AI）近日发布了《2026基础模型影响透明度报告》，评估了13家基础模型提供商在部署后治理实践方面的进展。报告聚焦于四项关键实践：分享使用信息、推动社会影响研究、报告事件和政策违规、分享用户反馈。主要发现包括：领先机构正在定义信息共享标准，但其他机构进展缓慢；公共影响数据零散不完整，对危害和严重事件的了解仍然有限。

本文列出了2026年5月5日至6月30日期间计划举行的AI相关研讨会，所有活动均免费且向公众开放虚拟参与。

一场在皇家学会举办的为期一天的会议探讨了人工智能如何改变天文、材料科学、气候预测和核聚变等领域的科学发现。演讲者重点介绍了突破性应用，包括用于星系分类的基础模型、用于晶体设计的扩散模型、基于人工智能的海冰预报以及用于聚变的快速等离子体模拟。