AI科研预测失误，责任该由谁承担？_服务软件

1. 2025年，到底有多少人在用AI？

2. 困扰人类60年的数学猜想，AI花80分钟解出来了！ #大有学问 #红衣聊AI #数学 #科研

3. AI智能体离掌管全球经济决策又近了一步！ #大咖观察 #红衣聊AI #金融 #科技 #财经

4. 一个投资人与他的AI龙虾助手70天真实协作笔记｜甲子光年

5. AI已经成为你的同事了吗？ #大咖观察 #红衣聊AI #人工智能 #科技趋势

6. 时代年度人物揭晓，一张权力地图 2025《时代》年度人物揭晓，黄仁勋被评为核心人物，8个AI构建者中3位是华人，这是“华人统治AI圈”被美国认证了？还是AI时代的全球科技权力大转移？一起来看看 #马斯克 #黄仁勋 #山姆奥特曼 #苏姿丰 #李飞飞

7. 如果明天算力不再决定胜负，你觉得你手里的哪张牌能赢？ #大咖观察 #红衣聊AI #ChatGPT #算力 #AI

8. 【老湿基】ZFS 2.4 数据损毁案例复盘｜存储和备份因为一次停电被一波带走

9. 很多时候技术问题不是技术问题，是责任归属问题。L2 的辅助驾驶目前还是车辆实际驾驶人全责，现在几乎所有的厂商都采用的『紧急情况快速甩锅』的策略。如果 L2 车企也要担责，你看看从策略到宣传大家是不是都会收敛很多。AI Agent 的手机也是如此，如果字节敢承诺因为使用豆包手机的 AI 自动化操作带来的信息泄露和财产损失字节可以完整承担而不需要由实际执行的 App 所属企业承担，你再看看会是什么局面。商业资本从来都是追求利益最大化的，最多的获益空间，最小的风险和最少的责任。

10. 腾讯财报出炉！竟然在游戏上把AI卷出结果了

11. 全球第八！武汉科研实力为什么这么强？ #武汉#科研 #深度解析

12. AI大神的焦虑：自己是研究工作的瓶颈，Token用得不够多#AI #人工智能 #卡帕西 #Agent #算力

13. OpenAI发布权威AI科研基准，扯下AI遮羞布：奥赛金牌≠一流科学家！

14. AI NPC 网络投毒攻击：从《星布谷地》二测争议谈长期记忆污染风险

15. 智驭未来：《人工智能科技伦理审查与服务办法（试行）》正式出台

16. #OpenAI推出Prism#OpenAI推出GPT-5.2驱动的科研工具Prism，以云端LaTeX工作区直击科研痛点，AI生成初稿、草图转代码、智能文献检索等功能，搭配无限人数实时协作，将科研者从繁琐操作中解放，免费开放更快速下沉用户，成为其科研领域布局关键落子。同期孙正义拟追加300亿美元投资，累计410亿美元持股11%，是对OpenAI技术落地的坚定押注，更是AI赛道的战略豪赌。千亿融资计划剑指8300亿美元估值，Prism不仅填补OpenAI科研场景空白，更与DeepMind展开差异化竞争，重构科研协作与创作流程。但高估值背后，算力成本高企、盈利模式待解仍是隐忧。Prism的免费策略能否撬动商业变现，资本加持下的技术突进能否真正加速科研创新，既是OpenAI的破局关键，也是AI赋能硬核领域的一次重要试水。参与#HOW I AI# 分享你的AI实用教程，瓜分千元红包池。openai推出prism 川北小哥的微博视频

17. #华为悬赏300万元求解AI难题#华为全球悬赏300万征解两大AI技术难题华为12月26日宣布启动2025奥林匹斯奖难题征集，面向全球科研工作者悬赏300万元，攻克AI时代的创新介质技术与Agentic AI原生的数据底座两大技术难题。此次征集聚焦AI时代数据处理的算力开销大、协议栈复杂、存储成本激增等行业痛点，其中创新介质技术包含存算融合、超高密度存储编码等子难题，Agentic AI数据底座则围绕知识提取、高效推理等方向展开攻关。华为表示，随着AI向Agent智能应用演进，数据的留存与管理方式迎来变革，此次征集旨在汇聚全球智慧，突破AI发展中的核心技术瓶颈，推动行业技术升级。

18. 【人工智能】立足校本，系统推进：让人工智能成为推动大规模因材施教的有效工具 | 《指引》解读③

19. 【人工智能】建设“敢用、会用、善用”AI的教师队伍 | 《指引》解读②

20. 《柳叶刀》正刊报道：有史以来最大的AI医疗随机试验，10万人的擂台上，AI赢得毫无争议

21. 陶哲轩关于 AI + 科研、AI 时代教育的核心观点梳理以下内容严格基于本次专访中陶哲轩本人的表述，分为AI + 科研（AI×Science）、AI 时代的科研人才培养与高等教育两大核心板块，提炼核心观点如下：一、对 AI + 科研（AI×Science）的核心看法1. 创办 SAIR Foundation 的核心动因与定位底层判断：AI 将从根本上改变科研模式，当前亟需厘清「科研场景中如何合理、高效运用 AI」的核心问题，树立可复制的最佳实践。两大核心目标：用科学的方法打造 AI，借助 AI 重塑基础科学研究。组织定位：弥补传统科研体系的不足 —— 传统学术界与产业界各司其职的模式运转速度过慢，学术界缺乏灵活的资源与试错空间，产业界很少投入长期基础研究；SAIR 作为非营利联盟，要搭建学术与产业的桥梁，推动更灵活、更大胆的创新尝试，同时以跨学科、全球化的协作，解决科研体系的结构性瓶颈。2. 通用大模型在科研场景的核心短板陶哲轩明确指出，当前主流通用大模型无法直接满足科研的核心需求，核心短板集中在 4 个方面：幻觉问题突出，可信度不足：科研需要可验证、可信任的系统，而通用模型的幻觉问题会严重干扰科研工作。可解释性与可追溯性缺失：模型无法说明结论是来自训练数据中的既有文献，还是新的创新组合，也无法规范地将结果与现有学术知识体系关联；而科学研究的核心要求之一，是把新结果纳入已有知识体系，实现可追溯、规范引用，支撑后续研究推进。无法表达置信度：科研中研究者会明确对结论的信心层级（如 “非常有把握”“仅为初步猜想”），但 AI 几乎总是以 100% 确定的语气输出，这一缺陷大幅降低了其在科研中的实用性。效率与适配性严重不足：通用大模型依赖海量数据与算力，学习效率远低于人类（人类看十几个例子就能抓住核心，AI 往往需要数百万样本）；同时绝大多数科研任务是高度专门化的，并不需要 “万能” 的通用大模型，更需要轻量化、定制化、贴合科研工作流的工具，通用模型与科研的核心需求存在明显错位。3. AI + 科研的正确发展路径拒绝盲目堆规模，核心是完善 AI 的科学方法论：不认同行业一味追求 “更大模型、更多数据、更强算力” 的 Scaling 路线，认为该模式长期会遭遇数据、能源、算力的瓶颈；AI + 科研的核心是 “Scaling the Science of AI”，即提升 AI 的可信度、可解释性，优化人机协作模式，建立适配科研场景的底层原则与方法论。打造科研垂直 AI，配套严格的验证框架：并非要完全替代现有大模型，而是将其嵌入更严格的科研验证、校验体系中，通过强制验证机制，让模型输出系统性关联学术文献体系，打造专门为科研设计的 AI 工具。以高质量数据为核心根基：AI 在科研领域的进展，高度依赖高质量、结构化的专业数据；低质量的合成数据不仅无法解决问题，反而会污染原有数据集，数据质量的重要性不亚于模型本身。以数学 / 基础科学为 AI 的安全试验场：相比金融、医疗等高风险、低容错领域，数学和基础科学是打磨可靠 AI 的理想场景 ——AI 算错一道数学题几乎没有损失，且数学输出可被形式化验证，能先在这个安全环境中解决 AI 的可靠性问题，再将成熟的方法论迁移到其他高风险应用领域。4. AI 对科研生态与格局的深层影响核心价值是科研普惠化：AI 大幅降低了科研门槛，让非传统科研背景、非顶尖机构的人，甚至青少年都有机会参与前沿科研；未来能为科学做贡献的能力类型会变得更加丰富，不再局限于传统的学术精英，有望实现 “未来出现 10000 个陶哲轩” 的愿景。彻底重构科研协作模式：打破了 “孤独天才” 的传统科研叙事，未来科研将以更大规模、更多元的团队协作展开；AI 是打破学科壁垒的核心催化剂，推动数学、物理、生命科学、社会科学等多学科的交叉互动。同时，数学研究将向现代软件工程学习，引入版本控制、单元测试、质量校验等成熟体系，支撑几十上百人的大规模远程协作。推动科研分工精细化：传统科研中，研究者需要包揽解题、计算、写论文、申请经费、学术报告等全流程工作；未来科研会出现更细致的分工，有人负责长期愿景与方向判断，有人擅长人机协作落地，有人负责团队协调与学术传播，科研的参与方式更加多元。5. 个人使用 AI 的实践与明确边界陶哲轩分享了自己日常科研中使用 AI 的真实方式，核心是「把 AI 当作辅助工具，而非替代核心思考的主体」：高频使用场景：文献检索、论文内容总结、论文写作辅助（自动补全、草稿起草）、简单数据可视化、繁琐的数学计算、海量文献筛选等偏事务性、辅助性的工作。明确的使用边界：在深度思考、攻克核心研究难题时，基本不使用 AI，依然依赖纸和笔；AI 目前无法复现人类科研中的 “顿悟” 过程，无法像人一样从多次失败中逐步学习、调整研究方向，只能在研究者已有清晰思路后，提供落地层面的支持。核心使用原则：没有统一的 “标准工作流”，核心是匹配个人研究需求 —— 把自己最享受、最核心的数学深度思考环节留给自己，把不擅长、不享受的事务性工作交给 AI。二、对 AI 时代科研人才培养与高等教育的核心看法1. 对青年研究者成长的核心判断警惕 AI 拆掉年轻人的成长阶梯：AI 已经能完成很多研究生、初级研究者的基础训练内容（标准解题、基础实验环节、文献整理等），但这些看似重复、枯燥的基础工作，是研究者核心能力成长的关键；不能因为 AI 效率更高，就把这些训练完全交给 AI，必须为年轻研究者保留有价值的、完整的基础训练过程。工具使用与基础训练必须平衡：以计算器的普及为类比 —— 直到今天，教育依然会先教会孩子手算加减乘除，再让他们使用计算器；AI 也同理，必须先让年轻人亲手完成足够的基础训练、积累充足的科研经验后，再逐步引入自动化工具，绝对不能本末倒置。重视导师制与榜样的价值：需要顶尖科学家与青年研究者形成紧密的师徒制结构，不仅要传递科研方法，更要分享面对科研不确定性、挫折与失败的经验，引导年轻人形成负责任的 AI 使用习惯，在支持创新的同时，不牺牲核心科研能力的成长。2. AI 时代高等教育的变革方向核心原则：不能禁止新技术，要教会学生正确使用：面对 AI 的冲击，高校的核心任务不是简单禁止学生使用 AI，而是教会学生如何负责任、有边界地使用 AI，让学生把 AI 当作探索研究的起点，而非替代自身思考的终点。必须破解当前的极端化困境：当前学生群体出现两个极端 —— 要么完全依赖 AI，成绩好看但并未真正掌握知识、锻炼核心能力；要么完全拒绝使用 AI，基础扎实但效率和成果产出落后于他人。高校亟需找到二者的平衡点，重新设计培养体系，避免 AI 消解高等教育的核心价值。培养模式的核心转型方向：从孤立的知识模块教学，转向更整体的、通用问题解决能力的培养，加强不同课程间的整合；从单人应试导向，更多转向小组项目、协作式学习，让培养模式更贴近真实科研与产业的形态；吸收产业界的问题导向思维，教会学生用 AI 解决真实世界的问题，而非只掌握割裂的理论知识。灵活适配 AI 的发展节奏：跳出传统学期制度的限制，通过暑期学校、密集学术项目、研讨班等形式，更快迭代课程内容，让培养体系跟上 AI 技术的发展速度。3. AI 时代未来研究者的核心能力团队协作与跨背景沟通能力：未来科研是大规模多元团队协作，跨学科、跨领域的沟通能力，以及团队协作的软技能，会变得和专业能力同等重要。科研 “品味” 与方向判断力：能够形成整体判断，识别哪些研究方向真正有价值、值得投入，再借助 AI 和合作者落地执行，这种宏观判断力的重要性会远超单纯的解题能力。批判性思维与提出好问题的能力：清晰定义问题、明确核心诉求，是用好 AI 的核心前提，所谓的 “提示词工程” 本质上就是批判性思维的体现。开放的跨学科学习能力：愿意保持开放心态，学习不同学科的 “语言”，能串联不同领域的想法、看到整体图景，而非只局限在自己的狭窄细分领域。对工具的克制与合理使用能力：清晰知道什么时候该用 AI、什么时候该主动克制，不被工具替代自身的深度思考。4. 关于 AGI 时代数学学习的终极思考即便 AGI 超越人类，数学依然有其价值：以交通工具为类比 —— 汽车、飞机的出行效率远超人类步行，但人类依然会走路，不是因为必须，而是因为热爱、因为对身心有益；数学和科学也一样，即便未来 AGI 的数学能力全面超过人类，人们依然会出于兴趣、好奇心和自我满足，亲自去做数学研究，它会变成一种手艺、一种纯粹的智力爱好。人类的能力依然有不可替代性：人类的学习和推理方式与 AI 完全不同，AI 依赖海量数据和算力，而人类能在极少数据、极低计算量的情况下做出有效判断，这种能力在未来依然有不可替代的价值。数学学习的角色会发生转变：未来的科研模式，很可能是人类把握少数关键研究方向，AI 填充海量的细节与执行工作；数学学习的核心目的，不再只是培养解题能力，更多是培养严谨的逻辑、清晰的深度思考能力，以及把握科研方向的核心判断力，它的角色和目的会与当下不同，但依然有不可替代的意义。#陶哲轩##AI##AI4S#

22. 刚刚，MOSS孙天祥创业，直播AI4AI大规模科研

23. 深势科技携手阿里云 AgentRun，加速科研 AI Agent 全速运行

24. 国内首起 AI 涉黄案开发者获刑，开发者需要承担哪些法律责任？用户使用此类 AI 需担责吗？

25. Claude拒绝撒谎还顶撞了你，我在80页「AI 宪法」看到了最有原则的AI牛马

26. 因制作「奥特曼怀孕」等视频多名博主被罚，AI 二创的伦理边界在哪里？平台与创作者各自该承担什么责任？

27. 鹏说：AI Trading Agent时代下的思考

28. //@刘群MT-to-Death:不仅数学，整个科研体系都面临同样问题：大部分论文是AI（辅助）写的，大部分评审是AI（辅助）进行的，而且整个自动化程度越来越高。这样发展下去，整个同行评价体系还有什么意义呢？如果废除这套体系，整个科研体系该如何运转？挠头。

29. 科研创新idea要不要告诉AI?

30. OpenAI重金悬赏GPT-5.5生物漏洞，严防AI被滥用于危险科研

31. 多Agent协作反而让模型变蠢，AI也有「旁观者效应」

32. 12家车企、26位决策人扎堆！AI赋能汽车他们组团来北京“找方案”！

33. 如何理解「科研直觉」的形成与修正，及其在顶尖学术圈中的作用？

34. 科研党福音来了！Sci-Bot 正式上线！大家好！Sci-Hub 团队又整了个大招 —— Sci-Bot（sci-bot.ru）！这是一款基于 Sci-Hub 海量论文库（超过8500万篇）训练的 AI 科研助手，能用自然语言直接回答你的科研问题，并附上真实论文引用和链接。优点：- 直接调用全文，避免幻觉- 支持中英俄等多种语言提问- 免费使用（目前还是 Alpha 版）想快速了解某个领域、找文献思路、验证实验方法的朋友，值得一试！网址：网页链接#SciHub# #SciBot# #科研工具# #AI科研助手#

35. 【TED演讲：人工智能时代的爱、信任与营销】商业顾问阿玛丽莉丝·利亚姆波蒂表示，随着人工智能聊天机器人变得更具个性化和主动性，工具与伙伴之间的界限开始变得模糊，一些用户甚至公开表达了对他们的数字助手的喜爱之情。她提出了品牌利用人工智能与消费者建立更深层次情感联系的三个基本原则，同时要优先考虑福祉、透明度和自主性——确保人工智能能提升生活品质，而不削弱人类的自主能力。@BEC商务英语学习 http://t.cn/AXLiOdRp

36. 最近高分子年会上，我做了个报告，呼吁大家要认真对待AI对整个科研领域的影响，想想AI留给科研人员的时间还有多少年。我说大概10年左右，大家必须严肃对待这件事。但许多人还没有认识到这件事的严重性，唉。柯洁在AI打败人类之后仍然可以继续下棋，但人类在AI打败普通科研人员之后，还可以继续科研吗？到时那就不叫科研了。

37. 领跑！30B模型登顶OpenAI科研榜单，UniPat AI冲上开源科研最前线

38. 没有科研项目、竞赛奖项，如何在面试中展现科研潜力与学习能力？

39. 谁批准了这些AI Agent？重新思考AI时代下的访问权限、问责机制与风险管控

40. 国家网信办对生成式 AI 的『源头』——各家生成式 AI 工具的违法违规行为动手了：近期网信部门工作中发现，“剪映”“猫箱” App 及“即梦AI”网站存在未有效落实人工智能生成合成内容标识规定要求等问题，违反《网络安全法》《生成式人工智能服务管理暂行办法》《人工智能生成合成内容标识办法》等法律规定。国家互联网信息办公室指导属地互联网信息办公室，依法对上述网站平台采取约谈、责令改正、警告、从严处理责任人等处置处罚措施。这也是一个明确的信号：在 AI 生成式内容越来越有『感官真实』的迷惑性的时候，主管单位开始加大对平台责任的监管，平台不能以监管不到位作为『挡箭牌』，规避监管责任，包括生成工具和发布传播平台，必须对 AI 生成内容进行明确的标注。#剪映被约谈##网信部门依法查处剪映等App#

41. 跟我逛发布会奇瑞AI之夜看AI在智驾底盘和制造等领域的应用

42. 书海撷萃 |《负责任的人工智能》：一场关于技术伦理与人类责任的幽默解构

43. 全球首个自主科研Agent挑战赛！零人工干预冲击CNS成果SOTA，科研变天？

44. 如何看待 AI 真的帮人类做好决策？

45. 面对无法规避的交通事故，AI 的决策原则应优先「对驾驶者负责」还是「社会利益最大化」？

46. 「当战争的扳机由算法扣下，责任就蒸发在代码的缝隙里」误炸伊朗小学致165名女童丧生，美军却能以“模型不可解释性”将追责化解于无形。这恰恰揭示了AI武器化最阴暗的制度便利：它不是消除了战争罪行，而是消除了战争罪行的归属者。当国际法的追责逻辑建立在“人的主观意图”之上，一个没有意图的系统就成了最完美的挡箭牌。技术越先进，免责越彻底，这才是各国军方真正趋之若鹜的东西。 #揭秘美国如何塑造AI作战产业链# 揭秘美国如何塑造ai作战产业链

47. 眼下，人工智能正打破传统模式，成为产业和生活的“底层支撑”。在北京，人工智能与农机深度融合的“小而精”新农机实现了从“无人作业到群体智能”的跨越。在杭州，单人以人工智能为工具，独立完成全链条创业的 “一人公司”正在成为备受关注的新模式之一。此外，人工智能还催生出AI抽卡师、AI动画师等新职业。央视一套的微博视频

48. #IT那些事儿# 都说程序员要失业，但是几十年来程序员一直在做的一件事正在逐渐被正名：“写代码”从来不是“写代码”——它是“做决策”。人类拷问AI你到底会不会写代码这条演化路线有一个清晰的递进逻辑：第一层（HumanEval）：你决策的是一个函数内部怎么实现。输入输出已定，你只需要选算法。第二层（SWE-bench）：你决策的是“在数十万行代码的现有系统中，哪里该改、怎么改、改了会不会出问题”。你已经需要理解一个大系统的架构了，但“要不要重构”这个级别的决策你还做不了——你只是在现有架构上修修补补。第三层（Commit0）：你决策的范围扩展到整个库——怎么做API设计、模块怎么切、依赖怎么管。但最大的决策——“这个库该用什么结构”——已经替你做了。你仍然是个高级填空者。第四层（ProgramBench）：所有决策都交给你了。用什么语言、拆几个文件、定义什么接口、选什么数据结构、做什么抽象——这才是真正的软件架构决策。这条线背后真正的变化是：AI的决策自主权在逐步加码，而 benchmark 在追着这个加码过程跑。每一次加码都暴露出AI在更高层次的决策能力上的短板。#昀哥推荐阅读# 发布了头条文章：《ProgramBench：拷问AI-Coding你到底会不会写代码》 ProgramBench：拷问AI-Coding你到底会不会写代码

49. 基于多 Agent 协作的智能营销闭环：洞察、触达与转化

50. 这脑洞神了！两AI「互喷」，竟治好祖传科研软件95%老毛病？

51. 未来高校中，「教学」与「科研」会不会逐渐分离? ？

52. 因制作「奥特曼怀孕」等视频多名博主被罚，AI 二创的伦理边界在哪里？平台与创作者各自该承担什么责任？

53. Logan Kilpatrick 分享了他使用 Gemini 3 后的全新体验：过去他总是尽力用简洁且精准的提问来保证 AI 完成任务，但现在他大胆提出5倍于以往的复杂请求，结果 Gemini 3 毫无压力地完成了。这种转变不仅是工具的升级，更是人类使用思维的跃迁。他指出，AI产品和模型的发展周期要求我们不断调整自己的使用方式，跟上技术进步的节奏。过去我们在“精简提问”上花费大量心力，如今瓶颈已经从模型能力转移到我们能否敢于提出更大胆、更复杂的需求。这意味着，AI不再是“脆弱的工具”，而是能承载大规模、多层次任务的强大助手。用户的想象力和问题框架成为限制创造力的最大因素。正如业内专家所言，AI已经解决了“简化问题”，现在迎接我们的，是“复杂问题”的挑战。这种思维升级带来的是工作流程的根本变革：不再是微观管理和不断修正，而是宏观架构和整体设计。我们不再单纯编写代码，而是在“指挥”AI完成设计、测试与解释。由此，AI从执行者转变为协作者，释放出前所未有的生产力。然而，这也提醒我们，AI的进步要求人类不断提升认知和规划能力。只有敢于“放大问题规模”，才能真正发挥 AI 的潜力，实现质的飞跃。正如一句话所说：“我们的极限，往往是自己想象力的边界，而非技术的瓶颈。”原文：x.com/OfficialLoganK/status/1995967140202193236

54. #小齐说法# 【#AI只是辅助工具不是决策者#】#别把AI幻觉当了真#AI为啥总“一本正经胡说八道”？专家揭秘：AI靠统计建模预测生成内容，出现偏差是技术局限，也就是“AI幻觉”。法官提醒，高敏感领域要加强审核，公众切勿将 AI 作为 “决策者”，仅可将其作为辅助工具，涉及报考、投资等重要事项，务必通过官方渠道交叉验证信息！ CCTV法治在线的微博视频

55. AI写的论文，过了同行评审——科研这件事，正在被重新定义

56. 又快又省：SLS 新版日志聚类，从海量日志发现模式的智能引擎

57. 现在的瓶颈不再是模型，而是那个窄窄的对话框。我们的思维从来不是线性的。它是空间的、视觉的、充满情绪的，像是一张布满箭头的草图，或是几段半成品的计划。但遗憾的是，我们依然在被迫将这种多维的灵感，强行塞进线性的文本框里。视觉、音频、代码、文字，本质上都是数据的不同形态。既然AI已经能够读懂图像、听懂旋律、理解逻辑，我们就不该再受限于打字。想象一下，你可以通过画一张示意图、哼一段旋律、扔进一段参考视频或随手写的代码来表达想法。AI能够同时捕捉到其中的结构、情感、关系与意图。未来的界面不应只是一个聊天框，而是一个让思想按其本原形态流淌的合成空间。在团队协作中，每个人都有自己的原生语言。设计师习惯构图，工程师习惯逻辑，产品经理习惯流程。理想的工具不应制造信息茧房，而应成为一种通用的翻译介质，让每个人以最自然的方式表达，由系统完成跨维度的衔接。我们需要明确一点：AI Agent不是替代者，而是协作者。模型永远无法在没有你输入的情况下精准达成你想要的结果。这并非因为它们不够聪明，而是因为意图是高度私有化的。它由AI无法获取的语境、无法推断的审美以及成千上万次微小的直觉决策共同塑造。协作意味着持续的对话，而非一劳永逸的指令投送。文字、像素、声波，这些都不应是独立的模式，它们只是上下文。AI并不在意形式，它在意的是理解。我们不再受限于模型能做什么，而是受限于我们如何与它交流。当表达的带宽不再是障碍，人类的意图才能完整地转化为现实。这就是我们在Cursor所构建的未来。x.com/ryolu_/status/2003875965177663951

58. 独立游戏奖撤销《光与影》年度头衔，称「AI 惹的祸」，AI 创作在游戏领域面临哪些争议？

59. AI署名

60. AI“犯错”，谁来负责？

61. 全国首例

62. 如何看待AI的署名权争议

63. 你的AI科研“搭子”靠谱吗

64. 数字化科研助手

65. AI责任真空

66. 全国首例AI“幻觉”案判了！AI有误，服务提供者为何不担责？

67. AI说提供了错误信息愿赔10万，承诺有效吗？法院判了！

68. 【世界不是平的·7】当代码不再可预测——还能信任软件吗？

69. 用 AI 写代码导致出 bug，Leader 让我背锅。。

70. Palantir Maven 系列第 13 篇

71. 用AI工具之前，先问自己5个问题

72. 李正风｜ AI for Science 与科研伦理治理

73. 谭健英、刘慧晖等

74. 人工智能（AI）的多维解析

75. AI伦理委员会在各大科技公司普及 - AI Prism 智棱

76. AI如何支持急危重症的伦理决策

77. 算法的审判

78. AI提供的信息不靠谱开发者要担责吗

79. AI在组织中应该承担哪些责任类型

80. AI在学术研究中的边界在哪儿?

81. AI独立完成的论文通过了同行评审，科研界准备好了吗？

82. 数字治理算法发展会带来哪些新挑战

83. 法院

84. 科技部

85. 关于一些AI coding的追责问题讨论

86. AI全景之第十一章第三节

87. “人类负责制”原则如何影响AI应用场景？

88. 当 AI 系统出问题时，谁负责？

89. 重磅！国内首份AI伦理安全指引发布

90. 模型风险谁来负责？

91. 【明日生存课】厘清责任边界

92. AI可以做一切，唯独无法“负责”

93. 以为AI出活就能交？我错哪了？用3步来留痕 | 职场AI必修实录

94. 2026年国自然申报重磅新规

95. 让AI在学术规范下赋能科研工作

96. 研究生院举办“合理使用AI，强化科研规范”研究生主题讲座

97. 直接退稿+两年禁投！中华医学会与Nature 同步划定 AI 论文写作 “生死线”

98. 清华教授干货分享

99. 科研处重要通知

100. 守住思考的底线

101. 【材料丨学术规范】材苑治学第五讲

102. AI终将接管科研，但论文怎么办？Orchestra Research提出ARA协议，...

103. 今晚就写决策日志

104. 概念笔记 + 决策日志 + 输出卡片

105. 【胜任力视野】陈春花

106. 医院 AI 项目失败，90% 死在立项之前！

107. AI评标出错，谁来负责？

108. 别瞎卷AI了!80%的企业AI落地,死在了权责不清。

109. AI“犯错”,谁来负责?

110. Nature：将任务委托给AI可能放大失信行为丨学术前沿速递

111. 给AI聊天机器人判刑？全球AI监管步入“刑事责任”时代

112. AI的法律伦理之责任归属

113. AI的责任归属与证据链

114. 研究者：临床试验的质量基石与医院临床研究体系建设的核心

115. AI 生成科普 / 文案 / 海报：医院宣传的审核、标注、追责与合规边界

116. 一场关于预测与推理的实验：AI的知识停在1930年，它能预测现在吗

117. 伦理宣教 | 学术研究与出版中AIGC伦理失范的表现及其识别策略

118. Agent出错了谁负责？AI责任归属问题解析

119. GCP法规视角下，研究者的职责与义务|临研分享

120. 热点追踪｜AI侵权的责任该由谁担？

121. 越聪明的AI，越可能"走歪"？真相扎心了

122. AI 重构科学发现范式：从实验验证到智能预测的革命

123. DAY 10：AIGC版权归属及侵权责任认定

124. Playwright AI 自动化实战：预测测试失败与自动自愈机制！

125. AI承诺回答错误就赔偿10万元用户起诉后法院作出判决

126. 基于知识图谱的AI模型预测与实验验证系统发现疾病修饰靶点:帕金森病案例研究

127. “AI 科学家” 正重塑科研业态，人类科学家该如何重新定位？

128. AIGC的著作权定性、权利归属与侵权责任

129. 惊！AI代理损害责任归属，现有法律框架该如何适应与调整？

130. 综述 | 人工智能与伦理问题

131. HCI 研究方向（4）：AI Ethics & Responsible AI（人工智能伦理与负责任AI）

132. 上海AI涉黄案二审：四年刑期如何界定开发者责任？

133. 学术简报丨当AI学会“讨好”你，它还是工具吗？图书馆送来一份AI伦理“避坑指南”

134. 算法备案中“落实算法安全主体责任”的实操构建

135. 学术前沿讲座｜人工智能时代的科技伦理问题李忠伟副教授做客学术前沿讲座探讨伦理风险与科研诚信

136. 多娃彩妞来普法动静说法Q&A丨AI 开发者、服务商的法律责任是什么？

137. Computers in Human Behavior 责任归因框架的构建：服务失败中人类与人工智能主体对道歉效能的差异化影响机制研究

138. 资讯速递 | 人工智能在战略预见中的应用：重塑预见性治理

139. 《小潘说法》第九期全球首例 AI 致人死亡诉讼爆发！谷歌因 AI 聊天机器人诱导用户自杀被告上法庭，这绝非猎奇新闻，而是出海企业的致命警报。律师解读，此案打破平台免责惯例，算法责任成为核心，AI 算法伦理与安全审查已成出海生死线。警示中国出海科技企业、AI 开发者，摒弃侥幸，提前搭建合规壁垒，规避海外诉讼与产品封杀风险。#AI #诉讼 #普法 #法律 #谷歌

140. 技术与责任：AI时代GIS开发中的数据隐私、算法偏见与伦理挑战

141. AI 时代法律新挑战：生成式 AI 的著作权归属与侵权风险全解析

142. 人类决策的局限与AI决策的展望：公平公正之路的思辨

143. 当大模型开始“预测我们的判断”：一次关于 AI 推理边界的实验记录

144. Anthropic拒美军AI武器化遭封杀，引爆企业自治与政府监管大战

AI科研预测失误，责任该由谁承担？

精选参考来源