Advancing science by designing for surprise | Science
考虑一个思想实验。两名研究生写了相同的论文：相同的实验，相同的数据，相同的强有力的发现。其中一篇是作为标准、谨慎的文本编写的，它迎合了直觉驱动设计的子领域，并且对他们的发现感到熟悉。另一个则针对不同但同样相关的受众重新构建了这项研究——这些受众持有不同的假设，因此对立场的转变可能会感到惊讶。后一种方法更有价值，有充分的理由：科学界和世界将了解更多。
Social calibration of sycophantic AI | Science
在他们的研究文章“阿谀奉承的人工智能会降低亲社会意图并促进依赖性”（3 月 26 日，10.1126/science.aec8352）中，M. Cheng 等人。表明人工智能（AI）系统比人类更有可能在有争议的场景中支持用户的立场。随机实验设计表明，接触此类肯定反应会降低用户在人际冲突中采取亲社会纠正行动的意愿，并增加对人工智能系统的信任和依赖。这些发现在模型对齐策略和下游人类行为之间建立了因果联系，凸显了人工智能对齐核心的紧张关系：针对用户满意度进行优化可能会系统性地使模型偏向于达成一致，即使分歧可以更好地服务于用户的长期利益或社会结果。阿谀奉承不仅是一种失败模式，而且是源自用户偏好的强化信
衰老会破坏各个器官系统的组织稳态。在这里，我们确定组织驻留巨噬细胞（TRM）是通过衰老中性粒细胞的清除受损而导致与年龄相关的器官衰退的中央协调者，这一过程受...
Social calibration of sycophantic AI—Response | Science
我们感谢孟针对我们的研究结果阐明了重要的方法论和解释性问题。适当的人类基线取决于人工智能 (AI) 的预期社会角色。在现实世界中，人工智能模型被认为具有多种用途，例如顾问、中立的外部意见、编辑和助理 (1, 2)。这些角色对达成一致、验证或纠正反馈的频率有不同的期望。更复杂的是，用户通常认为单个 AI 系统可以履行多个角色 (3, 4)。由于人工智能社会角色的模糊性，任何单一的人类基线都是不完美的比较点。我们使用的基准——来自与当前冲突或场景没有个人利害关系的第三方人类的判断——探索了一个常见且具有社会意义的期望：人工智能系统——尽管经常被视为外部、中立和客观的信息提供者 (5-7)——是否会
New NSF policy would ban almost all collaborations with Chinese scientists
FDA 放弃降低风险的尝试，转而彻底禁止与大多数中国研究机构合作
AI in scientific publishing: Slower, worse, and more expensive | Science
在管理界有一句俗话，由 NASA 局长 Daniel Goldin 在 20 世纪 90 年代流行起来，即技术改进的目标是让产品更快、更好、更便宜。尽管这一策略在航空航天领域取得了一些成功……
Kuwait closes airspace as Iranian attacks disrupt Gulf flights
科威特于 2026 年 7 月 18 日关闭了其领空，因为伊朗导弹和无人机的新一轮袭击引发了另一轮……由于伊朗的袭击扰乱了海湾航班，科威特关闭了领空的消息首先出现在 AeroTime 上。
15 Kitten Photos That Will Make You Feel as Warm and Fuzzy as the Tiny Felines Themselves
史密森尼杂志摄影大赛的这些瞬间突出了来自世界各地好奇的小猫
