今日精选
1. AI热潮正受到不可靠数字泛滥的威胁
The AI boom is threatened by an epidemic of unreliable numbers
本文剖析AI热潮背后日益严重的数字不可靠问题。它指出，投资者已无法再轻信支撑估值与增长叙事的数据。文章揭示了AI狂热中容易被忽视的信息风险，值得深入阅读。
2. 新‘First Proof’考试揭示：AI驱动的数学为何成了付费游戏
New ‘First Proof’ exam reveals how AI-powered math is a pay-to-play sport
“First Proof”新基准显示，部分AI已能胜任研究级数学，成为强大工具。但开源模型仍明显落后，表明顶尖数学能力与算力、资金和使用权限紧密相关。文章借此揭示AI数学研究可能走向“付费参与”，值得关注其公平性与科研生态影响。
3. AI能帮科学家处理文书工作吗？——或许能，但会放大既有问题
Could AI help scientists with their paperwork?
科研行政负担日益沉重，从经费申请到伦理审查，文书工作不断挤占研究时间。AI工具被寄予厚望，可自动生成、校对与归档材料，缓解科研人员的行政压力。但文章指出，效率提升的同时也会放大既有的制度性缺陷：审查流于形式、责任归属模糊、文书产量不降反升。值得一读，因为它提醒我们，技术方案无法替代对科研评价体系的反思。
4. NIH 似提前关闭针对科学同行评审规则变更的公众评论
NIH appears to shut down public comments on science peer-review rule change ahead of schedule
美国国立卫生研究院拟调整科研经费申请的评审方式，科学家批评此举将削弱透明度。有迹象显示，该机构在既定截止日期前就关闭了公众评论渠道。评论期提前结束意味着外界发声空间收窄，值得关注其对科研治理公开性的长期影响。