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

主办方： 美国管理学会（Academy of Management）战略管理（STR）分会，由 STR 会员参与委员会赞助，Daniel Albert 组织。发布于 2026 年 7 月 18 日。 主讲人： Vivianna He（伦敦大学学院）、Felipe Csaszar（密歇根大学）、Gwendolyn Lee（普渡大学）和 Phanish Puranam（INSEAD）。 在这场时长一小时的线上小组讨论中，四位战略管理学者探讨了生成式人工智能如何作为战略管理的研究工具，以及它如何为该领域发现和推进研究机会开辟新的途径。本次讨论既面向有意将人工智能融入自身研究的学者，也面向希望了解顶尖学者如何看待战略学术研究未来的听众。 对于管理学和商学研究者而言，这段录像是对本合集中已收录的美国管理学会更广泛讨论的有益补充：它将问题聚焦于单一学科，而在这一学科中，理论构建、数据收集以及研究问题的界定都正在被大语言模型重塑。 来源： STR Strategic Management Division (AOM)，YouTube。

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。...