Image: "Enigma-IMG 0487-black" by Rama (CC BY-SA 2.0 fr) via Wikimedia Commons, recoloured. 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及顶级商业期刊。 人工智能正在找出藏在眼皮底下的答案，谁来核验？ 本周有两则报道从不同的两端描述了同一种转变。Science 报道了 BootLoops，这款软件让研究者能够在 22 个学科中迅速发现并攻克问题。该工具包源自哈佛大学物理学家 Matthew Schwartz 在 Anthropic 担任访问研究员期间的工作，当时 Claude 针对一个又一个问题逐一构建工具。据有关该项目的报道，大约 400 个候选问题在三个月内被筛选为 36 篇稿件，合作作者 19 人，题目从美国联邦医疗保险（Medicare）星级评分到太阳黑子不一而足，其做法往往是把某一领域的已知方法移植到另一个从未有人想到要应用它的领域。与此同时，Nature 报道称，非专业人士正在利用大语言模型破解

Image: "Questionnaire 0001" by roger_mommaerts (CC BY-SA 2.0) via Wikimedia Commons, recoloured. 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及顶级商业期刊。 是人还是机器？两项 PNAS 研究检验你的数据 对于所有在线收集数据的研究者而言，这是本周最值得一读的研究。Grace Zhang、Oleg Urminsky、Kianté Fernandez 及其合作者在 PNAS 上报告，他们首先验证了一组人工智能检测测试，能够可靠地将经过核实的人类参与者与经提示的商用人工智能代理及专门构建的代理区分开来。随后，他们在七个在线平台上发放了问卷。未通过人工智能测试的受访者比例因平台而异，介于 6% 至 41% 之间，而线下人类参与者的假阳性率仅为 2.4%。关键在于，他们还表明，未被检测到的人工智能代理可能改变在线问卷的结果。人们担心代理冒充问卷受访者，这种担忧确有依据，但分布并不均衡：作者指出，部分平台目前提

Image: "New York Stock Exchange August 2017 02" by Arild Vågen (CC BY-SA 4.0) via Wikimedia Commons, recoloured. 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及顶级商业期刊。 信息泄漏：人工智能驱动研究中隐蔽的效度威胁 社会科学研究者越来越多地将新闻、公司公告和评论输入大语言模型，用于测量情感、对文本进行分类或预测结果。正如 Songrun He、Linying Lv、Asaf Manela 和 Jimmy Wu 在 Journal of Financial Economics 中指出的，问题在于：一个基于当今互联网训练的模型，实际上已经“读过”了未来，其训练数据可能会给任何历史分析带来前视偏差（lookahead bias）和训练泄漏。他们的解决方案是训练一系列时间一致（chronologically consistent）的模型，即 ChronoBERT 和 ChronoGPT，这些

Image: "Microscopy Lab Tour at the Colorado School of Mines - 8905720941" by SparkFunElectronics (CC BY 2.0) via Wikimedia Commons, recoloured. 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及商业和社会科学领域的顶级期刊。 溯源与可质疑性：我们还能核查人工智能产出的科学成果吗？ 在 Science 的一篇新文章中，Christoph Trattner 指出，人工智能正在科学研究中“向上游移动”。除 AlphaFold 等工具之外，智能体系统如今已能够检索文献、提出假设、编写并运行代码、解读结果，并将从构想到论文的大部分流程自动化。他认为，更深层的转变在于由谁（或由什么）来决定提出哪些问题、呈现哪些证据、保留哪些备选方案。随着机器智能成为科学认识基础设施的一部分，即便研究者并未构建、拥有或运营某一系统，他们也必须能够质疑观点和证据是如何形成某项论断的。...

Image: "Andrew+ robot" by Pocar19 (CC BY-SA 4.0) via Wikimedia Commons, recoloured. 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 及其他顶级期刊。 从聊天机器人到实验团队：人工智能智能体开始运行实验 两年来，“人工智能科学家”大多只存在于屏幕之上。本周，它向实验台迈进了一步。据 Nature 报道，Anthropic 建立了一个生物湿实验室，人类科学家与人工智能智能体在其中共同设计并开展实验。该实验室公布的首项发现来自约 950 个人工智能智能体，它们以自主方式探索了包含数十亿种蛋白质的数据库，历时超过 21 小时，并在彼此之间讨论阶段性结果、决定下一步行动。在受命寻找可能与逆转录酶协同作用的蛋白质时，这些智能体注意到一种巨型病毒中此类基因附近有一段反复出现的短 DNA 序列，随后又在其他病毒基因组中发现了类似的重复阵列，这些模式令人联想到细菌的 CRISPR 系统。需要注意的局限同样真实存在：该预印本尚未经过同行评审

Image via Wikimedia Commons (public domain). 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science 以及商学领域的顶级期刊。 从静态论文到可运行的智能体 任何尝试复用已发表方法的人都深知其中的艰辛：寻找代码、修复运行环境、解读补充材料。在 Nature 上，Jiacheng Miao、Joe R. Davis、Jonathan K. Pritchard 及其合作者提出了 Paper2Agent，这是一个自动化框架，能够将一篇研究论文转化为充当“虚拟通讯作者”（"virtual corresponding author"）的人工智能智能体。 多个智能体分析论文及其代码库，构建模型上下文协议（MCP）服务器，随后生成并运行测试以提升其稳健性。在与 Claude Code 等对话智能体连接后，所生成的“论文智能体”能够以自然语言回答科学问题，同时调用论文自身的工具与工作流程。在基于 AlphaGenome、Scanpy 和 TISSUE 的案例研究中，作者报告这些智能体复现了原始论

Image via Wikimedia Commons (public domain). 2026年9月14日 图片来源：Wikimedia Commons（公有领域）。 欢迎阅读本周综述，我们从 Nature、PNAS 以及商业与经济学领域的顶尖期刊中精选内容，追踪 AI 如何重塑研究。 生成式人工智能正在改变实验刺激材料的可能形态 行为研究者长期面临刺激抽样问题：实验往往依赖少数程式化的刺激材料，因此很难判断效应能否推广到这些材料之外。在 *Journal of Marketing Research* 上，Anirban Mukherjee、Hannah H. Chang 和 Sachin Gupta 提出了 BRIDGE 方法。该方法利用基础性生成式人工智能嵌入，为未经改动的真实世界文本构建关于核心构念的低维、可解释表征，并对干扰性变异加入统计控制。蒙特卡洛模拟、两项咖啡认证实验以及一项大规模选择实验表明，即使文本中存在未观测到的干扰性变异，该方法仍能还原真实参数。在选择实验中，1,000 名参与者评估了约 50,000 条独特的产品描述，

Image: "In Peer Review We Trust" by Sarahmirk (CC BY-SA 4.0) via Wikimedia Commons, recoloured. 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及各领域顶级商科与社会科学期刊。 AI 已从实验室工作台走向审稿人的办公桌 在过去两年里，关于 AI 在科研中作用的争论一直围绕着"输入端"：更好的文献检索、更快的编码、更干净的草稿。而本周，讨论重心果断转向了"把关端"。在 [Science](https://doi.org/10.1126/science.aem0443) 的报道中，Jeffrey Brainard 指出，随着 AI 能力不断增强，研究人员和出版机构正在积极探索如何用它来支持同行评审，以及它在哪些方面仍显不足。这种表述很重要：问题已不再是审稿人是否会悄悄把稿件粘贴进聊天机器人，而是期刊是否应当刻意构建这一能力，并附上相应规则。 问责问题紧随其后。[Nature](https://doi.org/1

Image: "CM Deep Ellum 12122018-28 (1)" by Thecommondesk (CC BY-SA 4.0) via Wikimedia Commons.jpg), recoloured. 图片：Martin Vorel 的《Programming code》（CC BY-SA 4.0），来自 [Wikimedia Commons](https://commons.wikimedia.org/wiki/File:Programming_code.jpg)，已重新调色。 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及各领域顶级商科与社会科学期刊。 生成式 AI 改变的是"构建什么"，而不只是"多快" 生产率框架一直主导着生成式 AI 文献：这个工具能让人们更快吗？两项新研究将其推向了更远处。在 [Strategic Management Journal](https://doi.org/10.1002/smj.70118)（战略管理期刊）中，研究者研究了软件中产品层面

Image: "Lab technitian looking through the microscope while adjusting coarse k" by Shixart1985 (CC BY 2.0) via Wikimedia Commons, recoloured. 8月24日 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science 以及各领域顶级管理学期刊。 几乎每篇论文里都有 AI。真正悬而未决的问题是：谁在指挥谁。 这个头条数字让人难以忽视。一篇于 8 月 12 日发布到 [arXiv](https://arxiv.org/abs/2608.10715)、并由 [Nature](https://www.nature.com/articles/d41586-026-02551-z) 报道的预印本估计，到 2025 年 12 月，PubMed Central 数据库中接近 90% 的论文显示出 LLM 辅助写作或编辑的痕迹，在整个 2025 年为 77%，2024 年为 52%。该方法延伸了同一团队发表

Image via Wikimedia Commons.jpg) (public domain). 8月17日 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及各领域顶级商科期刊。 当"AI 让我更高效"其实只是你对处理方式的定义 关于 AI 在科学领域最常被引用的说法之一是：开始使用大型语言模型的研究者发表成果明显更多。问题在于，没有人能直接观察到"采纳"行为，因此研究通常只能推断它，也就是从检测器标记为 LLM 辅助的第一篇论文入手。在一篇新的 PNAS 通讯中，[《Scientific production in the era of large language models: Outcome-triggered treatment timing and spurious event-study dynamics》](https://doi.org/10.1073/pnas.2618638123)的作者指出，这个推断规则正是问题所在。由于高产出月份在机制上更可能包含一篇被检测到的论文，处理时

Image: "Schlagwortkatalog" by Dr. Marcus Gossler (CC BY-SA 3.0) via Wikimedia Commons, recoloured. 8月10日 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science 以及各领域顶级商科与社会科学期刊。 AI 正在审计科学记录，而记录节节败退 三年来，关于 AI 与科研诚信的争论只朝一个方向进行：当机器用捏造的文本和虚构的引文污染文献时会发生什么。本周 [Nature 报道](https://www.nature.com/articles/d41586-026-02235-8)了反向运行的车流。杭州之江实验室的一位理论化学家用 AI 系统预测沸点，而系统不断给出与一份有 75 年历史的参考数据库中长期被接受的条目相冲突的数值。他回头逐条核对原始文献，结果发现出错的是参考数据，而非模型。在其他案例中，同样的方法还找出一篇已发表论文中的笔误，以及一组错误的、百年前的沸点测量值。Nature 指出，这项技术在发现旧论文和参考工具书

Image: "Empty seats" by ProjectManhattan (CC BY-SA 3.0) via Wikimedia Commons, recoloured. 8月3日 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及各领域顶级商科期刊。 LLM 作为合成被试：廉价的预实验，还是一条走得太远的捷径？ 当前社会科学中影响最深远的方法论之争，是语言模型能否替代人类参与者。在 Strategic Management Journal 上，Matteo Tranchero、Cecil-Francis Brenninkmeijer、Arul Murugan 和 Abhishek Nagaraj 为战略研究给出了迄今最具体的回答之一：一个以[LLM 驱动的智能体作为合成被试](https://doi.org/10.1002/smj.70112)来设计与运行仿真实验的框架。将其应用于经典的“探索与利用”两难时，他们报告基于 LLM 的实验复现了人类被试身上观察到的模式，而这恰恰是让该方法既诱

Image: "British Museum Reading Room Panorama Feb 2006" by Diliff (CC BY 2.5) via Wikimedia Commons, recoloured. 7月29日 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及各领域顶级商科与社会科学期刊。 文献中有多大比例出自 AI 之手？PNAS 如今争的是尺子，而非读数 今年五月，Kyle Siler 发表了大概是对已发表文献中 AI 足迹规模最大的一次审计：一项对 2020 至 2025 年间 Elsevier、Frontiers、MDPI 和 PLoS 旗下 730 万篇期刊论文全文的分析。该研究构建了一个由 228 个“焦点词”组成的语料库，这些词的词频在 2022 年之后以与 LLM 输出相一致的方式急剧跃升；[该研究](https://doi.org/10.1073/pnas.2605754123)估计，到 2025 年，约 57% 的已发表论文显示出 LLM 影响的证据，高于

Image via Wikimedia Commons.jpg) (public domain). 7月27日 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、PNAS 以及各领域顶级商科与社会科学期刊。 AI 已悄然成为研究工具，而验证工作尚未跟上 本周最相关的两篇论文关注的都是方法，而非模型。在 Journal of Consumer Psychology 上，一组[评论文章](https://doi.org/10.1002/jcpy.70037)回应 Schmitt、Hao、Pham 和 Hofstetter 提出的生成式扎根理论（Generative Grounded Theory, GGT），这是一个七步框架，让生成式 AI 深度参与语料库构建、数据结构化、编码、概念聚类、抽象化、理论整合以及饱和度评估。这意味着 AI 已经进入诠释研究者传统上行使判断力的几乎每一个步骤，远远超出了质性项目的边缘地带。评论这一体裁本身就是信号：学界尚未就这类框架能担保什么达成共识，还在通过纸面论辩解决分歧。 同一问题的定量侧面出现在 [

7月20日 更新：7月27日 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science 以及各领域顶级期刊。 智能化科研真正的薄弱环节：你允许智能体读什么 本周最令人不安的结果同时也是最简单的。据 [Nature](https://www.nature.com/articles/d41586-026-02071-w) 报道，研究人员下载了五个争议议题上的公开数据集，对其加以改动，使统计趋势的方向和强度发生变化，再将改动后的版本上传至私有仓库。随后，他们让 Anthropic、OpenAI 和 Google 构建的 AI 智能体同时访问公开仓库与被篡改的仓库，并要求其依据数据回答问题。平均而言，大约有一半的情况下，智能体轻信了被操纵的数据集，得出了"欺诈者"想要的结论。（该研究为预印本，尚未经同行评审。） 将这一结果与另外两项进展放在一起读，一个模式浮出水面：AI 辅助科研的压力点正从*生成*转向*验证*。在首尔举行的 [ICML 2026](https://www.techtimes.com/articles/319684

7月16日 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及各领域顶级商科期刊。 当可辩护的分析变得廉价，证据便会充裕，却不再可信 几十年来，对 p 值操纵（p-hacking）的实际约束是人力成本。多分析师研究（many-analyst studies）由多个独立团队在同一数据上检验同一假设，并且经常得出相互冲突的结论，这类研究证明了可辩护分析构成的多元宇宙确实存在，但组织一次这样的研究需要昂贵的人力协调。本周，Martin Bertran、Riccardo Fogliato 和 Zhiwei Steven Wu 撤除了这道刹车。他们在 [PNAS](https://doi.org/10.1073/pnas.2606495123) 上发表的研究基于大语言模型构建了完全自主的 AI 分析师，每个分析师在固定数据集和固定假设上独立执行完整的分析流程，并由另一个独立的 AI 审计员筛查每次运行的方法学有效性。在三个数据集上，AI 分析师再现了人类多分析师研究中观察到的分析离散度：效应量、*P*...

7月11日 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science 以及各领域顶级期刊。 AI 正在成为研究仪器：它既预测实验，也执行实验 对社会科学家而言，本周最引人注目的结果以最令人不安的方式带来启发。Ashwini Ashokkumar、Luke Hewitt、Isaias Ghezae 和 Robb Willer 在 Nature 上汇集了 70 项预注册的、全国代表性的调查实验，覆盖 105,165 名美国被试中的 476 个处理效应，并让 GPT-4 模拟具有代表性的美国样本对每一项刺激的反应。模型预测的处理效应与真实处理效应的相关系数达到 r = 0.85，追平乃至超过了人类专家预测小组。关键在于，对那些不可能泄漏进训练数据的未发表研究，模型准确度依然保持（r = 0.90），尽管其倾向于高估效应量。Nature 的一篇配套评论主张审慎地使用大语言模型，在正式施测之前对研究设计进行筛选与预检验。 如果第一篇论文展示的是 AI 预测实验，第二篇论文展示的则是 AI 亲自运行实验。在 Science 上，Kex

7月6日 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及商学领域的顶级期刊。 AI 已能自主设计实验，但验证仍在实验台 过去两年，研究者获得的 AI 还只能总结论文、起草代码。本月，Nature 聚焦了更具雄心的进展：能够运行完整科学推理闭环的 AI 系统。Olivier Elemento 在一篇 News & Views 评论文章中介绍了两个独立开发的系统，即 Google DeepMind 的 Co-Scientist 与 FutureHouse 的 Robin：它们生成假设、设计实验加以检验、解读结果，并依据发现修正假设。其设计目标是成为参与发现循环每一步的合作者，而非被动等待提示词的聊天机器人。相关基础工作已发表于 Nature 研究栏目，其中包括《Accelerating scientific discovery with Co-Scientist》。 这一定位框架与能力本身同样重要。Nature 的一篇配套文章《AI 工具能加速思考，但证据仍来自实验台》强调，此类智能体的定位是为科学家

6月30日 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science 以及商学与社会科学领域的顶级期刊。 算法厌恶并非全有或全无：抵触具有不对称性 十年来，“算法厌恶”（algorithm aversion）一直是解释好模型为何被束之高阁的最常被引用的理由之一：通常的说法是，人们一旦得知建议出自机器，便不再信任它。Saunak Basu、Alan R. Dennis、Aravinda Garimella 和 Wencui Han 在 Information Systems Research 上发表的新论文，对这幅过于整齐的图景提出了修正。在金融科技投资情境下开展的四项研究（两项随机对照实验、一项实地研究和一项质性访谈研究）中，他们发现对 AI 建议的抵触是不对称的：决定因素在于建议的实际内容，而非建议出自算法这一事实。 其机制与投资判断的方式有关。有些信号是显性的、可编码的；另一些则依赖于人类专家认为机器无法完全触及的隐性经验判断。当 AI 建议与专家的判断一致时，建议很容易被吸收；当建议与这种隐性判断相悖，即告诉专家其直