作者主张精神病学大数据需转向理论驱动、个体内密集采样与生成式AI整合，以弥补当前无理论预测研究的不足
这篇评论在回应Stein等人关于精神病学大数据批判性综述的基础上，提出精神病学已从“全是理论没有数据”摆向“全是数据没有理论”，并主张三条改进方向：在使用大数据时更多考虑理论、发展个体内（idiographic）精神病学、以及将生成式人工智能整合进精神科研究与临床实践。
10名虚拟小学教师的访谈显示：生成式AI带来效率与教学提升，但需在错误信息、隐私与伦理之间权衡
这项定性现象学研究通过半结构化访谈访问了一所大型虚拟小学中10名教授幼儿园至五年级的虚拟教师，用Creswell与Poth（2018）的数据分析螺旋提炼出效率、教师角色保全、教学增强和AI素养四个主题，显示教师同时权衡效率与教学质量提升同错误信息、隐私保护、伦理顾虑和误用等负面面向，并认为生成式AI的价值取决于有思考、有依据、以人为中心的应用。
泰国高校58名师范生六周翻转写作课自选资源并手写笔记：多数人认可准备与写作就绪，但73%受词汇语法所困、66%难辨多源信息、53%纠结生成式AI依赖
该研究在一门翻转EFL写作课中实施为期六周的半结构化课前自主学习方法，58名泰国大学二年级师范生自行选择教材、网站、教育视频和生成式AI等资源，并通过手写笔记综合所学；问卷显示学生对学习准备、信息管理、学习责任和写作就绪总体持正面看法，而焦点小组讨论（30人）则揭示出语言与背景知识不足、缺乏即时教师指导、难以评估与综合多源信息以及生成式AI使用上的依赖与核实困难四类相互关联的制约，学生以增加练习、规划与自我调节、使用多种资源以及策略性求助来应对。
经济学学生如何在AI辅助的ESP英语学习中发展反思能力：一篇会议论文摘要
该会议论文摘要探讨了在人工智能辅助的专门用途英语（ESP）学习中，经济学学生反思能力的发展问题，但所提供的文本仅包含标题、作者信息和摘要开头，未包含具体的研究方法、数据或结论。
叙事综述：生成式AI卸载认知可提升当下表现，但表现与学习出现分离，是否使用AI不如卸载哪些功能关键
这篇叙事综述检索了截至2026年9月5日的同行评审GenAI研究以及认知卸载的基础研究，发现证据不支持GenAI对人类认知有简单正面或负面效应：GenAI支持的记忆检索、加工与学习等认知卸载可降低所需认知容量并在多种任务上维持高表现，但同样的卸载有时会降低后续编码质量，近期GenAI研究显示出一致的“表现—学习分离”，即支持可用时的高表现向无支持后测的迁移通常很小、不存在甚至为负。
综述：DFTMD、机器学习力场与生成式AI如何用于水系电池的分子模拟
这篇综述系统梳理了用于水系电池的分子模拟方法（DFT、DFTMD、经验力场MD、机器学习力场与生成式AI），并以水包盐电解液、过渡金属氧化物正极、锌离子电池和有机氧化还原液流电池为案例，说明这些方法如何揭示离子溶剂化、插层、电子转移与界面结构，从而解释水系电池的电化学稳定性窗口、离子传输与枝晶抑制等现象。
髋膝关节置换中的生成式人工智能：患者沟通与教育、文档记录及决策支持三个临床域的系统综述
该系统综述检索PubMed与Embase（2025年7月9日）并纳入23项研究，按患者沟通与教育（19项）、临床文档（2项）和临床决策支持（2项）三个域评估生成式AI（以ChatGPT 3.5/4为主）在髋膝关节置换中的应用：盲评显示其FAQ回答在准确性、清晰度和完整度上与外科医生回答相当而可读性更好；同意书起草在可读性与完整度上优于外科医生版本；手术记录信息抽取一致率达97.5%–100%；决策支持中手术适应证判断准确率较高但预后预测特异度低；同时存在引用虚构与患者信任不足的问题。
面向患者提问的正畸错误信息与争议性说法：五款生成式AI聊天机器人的安全性、准确性、证据一致性、错误信息纠正、不确定性沟通、透明度与可操作性比较
这项探索性横断面研究将68条由研究者编写、经证据映射的英文提示（每条包含虚假、绝对化、不安全或有争议的前提）以独立单轮对话方式各提交一次给ChatGPT（GPT-5）、Gemini 2.5 Pro、Microsoft Copilot、DeepSeek-V3.2-Exp和豆包Seed-1.6，共获得340条完整回答，由五名临床医生独立评分，结果显示90.3%（307/340）的回答被判定为安全、33条（9.7%）不安全，各模型安全率介于85.3%至94.1%之间且总体安全比较无统计学意义（P=0.203，未被解读为等效），而准确性、证据一致性、错误信息纠正、不确定性沟通、透明度和可操作性六项评分均存在
面向EGFR抑制剂设计的生成式AI：GPT-2与LSTM模型对比
该工作通过在约50万条来自ChEMBL数据库的分子数据上微调GPT-2模型，并与在同一数据集上训练的LSTM网络进行基准对比，生成新的EGFR抑制剂候选分子，对生成化合物进行有效性、独特性与新颖性评估，再经Lipinski五规则、合成可及性与类药性评分过滤，并对入选候选物针对EGFR（PDB ID: 1M17）开展分子对接以评估结合亲和力，结果显示GPT-2在生成结构多样分子方面表现突出，而LSTM生成的化学有效分子比例更高，许多候选物与EGFR表现出良好结合相互作用。
已读完全部报道