维基百科编辑如何应对 AI 生成内容并坚守人工撰写
维基百科志愿项目 WikiProject AI Cleanup 正在结合自动化检测工具与人工审查，清理平台中违规的 AI 生成内容及错误引用。早期 AI 文本以明显陈词滥调为主，当前更偏向隐匿的句式结构与无法支持论点的伪造来源，检测显示新条目中 AI 内容占比已从约 20% 下降至 15% 到 16%。
#数据/训练
#数据/训练
今日 0 条IEEE SpectrumAI 评分6969
科学网AI 评分3434 专访曾大军：国际新刊 DRA 如何重塑数据与模型学术评价
国际学术期刊 Data Research and Applications（DRA）将于2026年底正式出刊，旨在让数据和模型作为独立学术体裁获得正式学术承认。该刊设置数据论文、模型论文等六大栏目，要求模型论文以可复现为底线，并在数据规范中嵌入确权与治理要素。创刊号征稿已面向全球启动。
科学网AI 评分6363 北大教授董彬：AI 让数学研究进入更好的人机共进化时代
北京大学博雅特聘教授董彬指出，AI 自主验证推理能力的提升正在快速推进数学难题求解，数学家未来应更侧重提出新问题、新概念与构建新理论。他认为高校提供高价值数据与理论评测、企业负责规模化模型训练的分工正在形成，学者应主动借助 AI 拓展直觉以探索更宏大的数学空间。
Scientific AmericanAI 评分5959 科学家担忧 AI 正在剽窃科研构想
科研人员正日益担忧上传至大语言模型的未发表手稿与研究构想被厂商挪用，OpenAI 与 Anthropic 近期的科研能力展示已引发相关指控。尽管涉事公司明确否认使用用户上传的数据进行训练，但由于机制缺乏透明度，学者仍面临使用工具可能泄密、不用则可能落后的现实困境。专家指出，企业账户通常更具保障，而个人账户在多数情况下需要手动 opt-out 才能防止数据被用于模型训练。
Latent SpaceAI 评分6060 Pushmeet Kohli 与 Sal Candido 探讨为何 AlphaFold 尚未解决蛋白质折叠问题
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在对谈中指出，AlphaFold 本质上是在复现已有数据库中的静态结构，并未完全解决真实的蛋白质动态与复杂生物系统问题。
Latent SpaceAI 评分5151 Periodic Labs 专访：如何通过物理实验闭环构建新材料领域的合成超级智能
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Doğuş Çubuk 接受 Latent Space 专访，详述了通过物理实验闭环与高通量自动化实验室打造“合成超级智能”的技术路径。
Physics WorldAI 评分3030 Nancy Grace Roman 太空望远镜如何将星空转变为数据集
NASA 的 Nancy Grace Roman 太空望远镜正前往距地球 150 万公里的 L2 点，将加速天文学从单目标观测转向全天区普查与庞大数据集挖掘。该望远镜配备 2.4 米主镜，图像清晰度与哈勃相当，且宽场成像仪单次覆盖天区是哈勃的至少 100 倍。首批图像预计于 2027 年初发布，兼顾宇宙宏观生态分布与单个天体细节。
InterconnectsAI 评分7575 GLM-5.3：中国大模型实验室如何紧跟前沿梯队
智谱（Z.ai）发布约 750B 参数的 GLM-5.3 模型，基于 GLM-5.2 底座重点扩展后训练与强化学习，在智能体编码评测中达到前沿水平。分析认为中国实验室能快速跟进并非单纯依赖知识蒸馏，而是得益于更短的模型发布周期、聚焦核心文本与编码场景、积极采购强化学习环境数据以及极高的算力利用效率。
IEEE SpectrumAI 评分5656 吴恩达谈以数据为中心的 AI：从追求超大规模转向小数据工程
吴恩达在接受专访时主张 AI 发展应从追求超大规模模型转向以数据为中心（Data-centric AI），通过系统化工程手段提升数据质量来解决实际应用问题。他指出神经网络架构在很多实际场景中已相对成熟，工业与医疗等垂直领域缺乏海量数据，往往依靠 50 个高质量样本和一致的标注即可训练出实用模型。