“academic”分类下的公开内容。
斯坦福 Diyi Yang 实验室发表在 Nature Human Behavior 的研究发现，向聊天机器人倾诉个人问题会让部分用户感觉更糟而非更好。研究通过 Prolific 收集了 1131 名 Character.AI 用户的调查数据，其中 244 人提供了完整聊天记录，并用 GPT-4o、LLaMA 3-70B 和 TopicGPT 分析。结果显示，现实社交网络较小且以陪伴为主要动机的用户，高强度使用聊天机器人与较低的幸福感相关；更愿意向 AI 伴侣透露敏感个人信息的用户，幸福感也更低。研究者将 AI 陪伴比作“社交零食”，并正在寻找可能的干预措施，如设置使用限制或在聊天内容显示需要时引导用户寻求真人支持。
推荐理由斯坦福团队对 1131 名 Character.AI 用户的调查显示，把 AI 伴侣当作情感支持与更低的幸福感相关，尤其对现实社交圈较小的人。
MIT Lincoln Laboratory 与 Massachusetts General Hospital 开发的医疗设备 AI-GUIDE 获得 2026 Excellence in Technology Transfer Award，原型正向初创公司 AutonomUS Medical Technologies 转移。该设备结合定制 AI 软件与手持超声技术，帮助用户将导丝和导管置入患者血管，并已获得 FDA Breakthrough Device Designation。
推荐理由AI-GUIDE从概念、临床测试到初创公司承接仅用三年，为医疗AI技术转移提供了完整案例。
MIT CSAIL 研究发现，生成模型的训练数据越多，单个样本对特定输出的影响越小，这一现象被称为“归因衰减”。团队构建“扩散模型集成”架构，无需重新训练即可精确移除样本影响，并在来自七个公开数据集、规模从 256 张到超过 160,000 张图像的实验中观察到反幂律收缩趋势。该开放获取论文发表于 Nature Communications。
推荐理由研究用可精确删除训练样本的扩散模型集成架构，为讨论生成图像的训练数据归因提供了因果分析方法。
MIT 等机构的研究发现，AI 辅助总体提高了非专业用户和临床医生诊断皮肤疾病的准确率，但解释方法的影响因专业水平而异。非专业用户容易依赖 LLM 解释，即使解释错误也可能认为其可信；临床医生则不易受错误解释干扰，仅获得模型预测时表现最佳。研究建议先让用户提出诊断假设，再提供 AI 建议，以减少自动化偏见和过度依赖。
推荐理由研究揭示医学知识水平会改变用户对 AI 解释的依赖方式，为按专业程度设计辅助界面提供依据。
MIT 参与的 15 个合作项目入选美国能源部 Genesis Mission 第一阶段资助名单，其中 6 个由 MIT 研究人员牵头，相关资助尚待完成协议谈判。项目将展示并严格评估 AI 与科学研究相结合的工作流，覆盖量子传感、稀土元素提取、聚变建模、数字孪生和材料设计等方向。
推荐理由入选项目覆盖量子传感、稀土提取与聚变等方向，可借此了解 AI 与科学研究融合的具体路径。
MIT 荣休教授、计算机科学家 Dimitri Bertsekas 于 6 月 3 日逝世，享年 83 岁。他的研究涵盖优化、控制、大规模计算、强化学习和人工智能，并著有或合著 20 余部专著与教材。
推荐理由文章从学术贡献与育人经历两条线索，回顾其工作如何影响优化、控制和强化学习领域。
MIT、波士顿大学与 Thorn 的研究人员开发了无需提示模型或生成图像的审计方法，可识别被专门微调以生成儿童性虐待材料的模型。该方法利用 Gaussian probing 分析 LoRA adaptor 对模型内部计算的修改，在三类模型的变体测试中，以 100 percent 准确率识别出相关有害模型。研究人员称，该方法具备可扩展性且实施成本相对较低，可供模型托管平台标记并阻止不安全模型上传。
推荐理由该方法绕开生成非法内容的法律与心理风险，为模型托管平台提供了可扩展的有害 LoRA 审计思路。