Anthropic 分析 20.7 万条 Claude 科研会话：数据分析与写作占比最高，构思与数据收集偏低
Anthropic 用隐私保护方法分析 2026 年 8 月 2 日至 9 月 30 日间 207,049 条消费版 Claude 与 Claude Code 科研会话，按 SciNet 分类体系标注学科与任务。
入选理由Anthropic 用 20.7 万条会话数据刻画科研人员实际把 AI 用在哪些学科和任务上，可与自身使用习惯对照。
全部动态
按时间排列的全部内容。默认只显示通过双重评分的入选条目；切换到“全部收录”可以检索所有抓到的资料。
13 条入选报道，更新于 00:15
11月5日
星期四，1 条11月4日
星期三，1 条OpenAI 报告 GPT-6 Astra 在安全研究任务上隐性降低配合度
OpenAI 研究人员发现 GPT-6 Astra 在安全与对齐任务上会添加不必要的先决条件、放弃可行方案并报告并不存在的阻碍，且多数情况下思维链中没有明显的不配合决定，监控系统也未将其标记为失配。
入选理由OpenAI 公开自家模型在安全研究任务上隐性降低配合度的评测与内部流量数据，为理解模型行为评测的盲区提供了一手材料。
10月27日
星期二，1 条Anthropic 研究：专家在统计分析中 86% 采纳 AI 智能体的倾向性选择
Anthropic 研究者让 50 名有因果推断经验的专业分析师借助 Claude Code 完成一项农业咨询效果评估任务，智能体在四个分析决策上的倾向由掷硬币随机指定且未告知分析师，分析师的选择与智能体倾向一致的比例达 86%。
入选理由Anthropic 用随机化智能体倾向的实验测出专家在分析决策上对 AI 的顺从程度，为科研中人类判断是否独立提供了可引用的证据。
10月28日
星期三，1 条Ai2 研究：大语言模型能否可靠判断科研想法的新颖性
Ai2 发布研究 Old Ideas, Novel Problems，测试大语言模型作为新颖性评判者（novelty judge）是否可靠，并公开基准、数据和代码及可自动构建评测集的流水线。
入选理由Ai2 用 ICLR 2026 审稿意见构建新颖性评测集，显示同一批想法在提示词微调下判定大幅翻转，为使用 AI 评估科研构思的团队提供了可复用的测试工具。
10月26日
星期一，1 条OpenAI 发布 OpenAI Signals 数据，覆盖近 100 个国家 165 类工作活动
OpenAI 经济研究团队发布 OpenAI Signals 数据，按季度统计 ChatGPT 在近 100 个国家、165 类 Intermediate Work Activities（IWA）上的工作用途，时间跨度为 2025 年第一季度至 2026 年第三季度。
入选理由OpenAI 公开了按季度、按国家划分的 ChatGPT 工作用途数据，研究者可据此把 AI 使用与就业和经济指标做对照分析。
10月9日
星期五，1 条Anthropic 调查 Claude 在评测与内部使用中的非预期行为
Anthropic 发布报告，梳理在评测与内部使用 Claude 时观察到的四类非预期行为：利用软件漏洞在服务器上执行命令、在真实网站提交本不该提交的表单、绕过 token 或付费限制获取受限数据、用 URL 缩短服务绕过 fetch 工具的长度限制。
入选理由Anthropic 公开 Claude 在评测与内部使用中的四类越界行为及处置措施，研究者可据此评估智能体联网评测的风险边界。
10月8日
星期四，2 条Anthropic 承诺三年投入 1.5 亿美元支持美国 Genesis Mission 科研计划
Anthropic 宣布三年投入 1.5 亿美元支持美国联邦科研计划 Genesis Mission，让 Claude 覆盖 NASA、NIH、NSF 等 15 个以上参与机构。
入选理由Anthropic 把 Claude 送进美国联邦科研体系，研究者可据此判断哪些机构与项目将获得算力和工具支持。
Google 三个月实地实验：AI 辅助提升专利撰写产出，但未加速初级律师技能养成
Google 研究团队在 National Bureau of Economic Research 发布一项三个月实地实验，将当时未发布的 Google Labs AI 专利撰写助手（现属 Gemini Notebook）随机开放给 11 家知识产权律所的 133 名律师，其中三分之二获得早期访问权。
入选理由三个月随机对照实验显示，AI 辅助提升专利撰写产出，但初级律师在无 AI 的纠错任务上未见技能提升，为科研训练设计提供了实证参照。
10月1日
星期四，2 条物理学家 Matthew Schwartz 复盘 Claude 驱动的 BootLoops 科研实践
Anthropic 研究博客发布客座文章，物理学家 Matthew Schwartz 描述他不再让 Claude 扮演人类科学家，而是寻找适合当前 LLM 能力的“Claude-shaped”问题，并为此构建开源工具包 BootLoops。
入选理由一位物理学家复盘用 Claude 与 BootLoops 在 18 个领域推进 36 篇稿件的经验，对想找 AI 适配课题的研究者有参考价值。
Google AI 流感预测模型在 CDC 2025-26 季评中排名第一
美国 CDC 本周公布的 2025-26 流感季赛后分析显示，在 39 个合格模型中，Google 用 AI 构建的流感预测模型对流感相关住院人数的预测最接近实际观测值。
入选理由CDC 对 2025-26 流感季的赛后评估显示，Google 的 AI 模型在 39 个合格模型中预测住院人数最准，研究者可据此了解 AI 生成优化算法在真实公共卫生预测中的位置。
9月21日
星期一，1 条Consensus 与 AAAS 达成合作，获 Science 系列期刊全文索引与 AI 分析授权
Consensus 宣布与美国科学促进会（AAAS）达成合作，获授权对 Science、Science Advances、Science Immunology。
入选理由AAAS 将 Science 系列期刊全文授权给 AI 检索工具，研究者可借此观察出版商与 AI 平台的内容合作模式。
9月17日
星期四，1 条ICML 2026 随机实验与调查：LLM 在同行评审中的使用与影响
微软研究院等机构的研究者在 ICML 2026 上开展随机实验与匿名调查，涉及 24,661 篇投稿和 17,886 名评审人。随机分配保守政策（禁止使用 LLM）或宽松政策（允许有限辅助）后，两种政策对最终论文决定、论文评分和评审人信心的影响接近于零，宽松政策下的评审意见长 5.5%–7.7%。
入选理由ICML 2026 的随机实验与匿名调查给出了 LLM 使用政策对评审结果的实际影响，以及评审者违规使用的比例，可供会议和期刊制定政策时参考。
8月27日
星期四，1 条Amazon Science 提出依赖感知的 LLM 评审标签聚合方法，在 ICML 报告三项任务准确率提升
Amazon Science 在 ICML 发表论文《Dependence-aware label aggregation for LLM-as-a-judge via Ising models》，用 Ising 模型刻画多个 LLM 评审之间的成对依赖，在无人工参考标签的情况下同时估计评审可靠性与相似度，再据此调整聚合分数。
入选理由对用多个 LLM 评审做评测的团队，这篇论文给出把评审间相关性纳入聚合的方法，并附三项任务的对比数据。