北京大学郭雪峰教授发展了从单个分子出发、实时追踪不对称演化全过程的研究策略，在单分子尺度上直接观察到自发镜像对称性破缺，并进一步提出过量补偿机制，揭示了单分子反应手性的起源。相关成果以“Origin of Single-Molecule Reaction Chirality”为题发表在Research上。

本期《政策论坛》（Policy Forum）的作者指出，面对生成式人工智能（GenAI）带来的日益严峻的学术诚信挑战，高等教育必须重新审视其进行评估的方法。他们分析了美国 20 所主要公立研究型大学的学生使用该技术的数据。关于 GenAI 对高等教育的影响引发了激烈辩论。在许多方面，这项技术正使得考试、项目或学期论文等常见的评估形式在衡量学生能力方面变得不那么可靠。这凸显了我们需要更好地了解 GenAI 在哪些领域使用最为普遍，以及哪些环节最可能出现滥用。Igor Chirikov 和同事分析了 2023-2024 学年期间美国 20 所研究型大学逾 9 万 5000 名学生的调查数据。他们的研究结果显示，GenAI 已在学生中普遍使用：约三分之二的学生报告曾使用过该技术，其中 37% 的学生会经常使用 GenAI 。然而，GenAI 的使用模式在不同学科之间存在显著差异，其中 STEM（科学、技术、工程和数学）领域的采用率较高。例如，62% 的计算机科学专业的学生表示，他们会经常使用 GenAI，而艺术专业的学生中的这一比例则仅为 24%。值得注意的是，部分社会科学学科（如商业和经济学）也显示出较高的 GenAI 采用率。GenAI 辅助作弊的模式在不同学科之间也呈现差异。据估计，非 STEM 领域的滥用率普遍较高，其中经济学（17%）和新闻学（16%）的滥用率相对突出，而生物学（5%）则位于滥用率最低之列。该研究还发现，GenAI 的使用存在显著的人口统计学差异：男性、白人和亚裔学生的使用率高于女性和代表性不足的少数族裔学生。尽管与社会经济地位和残疾相关的差异较小，但作者认为，这些发现引发了人们对 AI 工具获取机会和 AI 素养不平等的担忧。Chirikov 等人提出了若干条发展路径。他们指出，不存在单一的、能够“抵御 AI 影响”的评估模式；他们建议根据不同学科制定相应的改革措施。他们侧重于培养学生在专业情境中如何负责任地使用 AI。