一项发表于《Nature》的论文提出一种机器学习后处理“包装器”工具，用于校正预报模型的系统性误差，提升2至6周次季节预报精度。在ECMWF 2025年实时预报竞赛中，该工具在所有天气变量和预报时段上均取得最准确的全球预报，优于六个业务预报中心的数值模型、国际数值模型集合、ECMWF自研AI模型及34支参赛团队的预报系统。
南加州大学团队及其合作者在Nature子刊Nature Human Behaviour发表研究，分析超88万篇文本，发现LLM作为写作助手的普及与语言多样性下降相关，削弱了文本中与个人身份、性格和心理健康相关的线索。
施普林格·自然更新AI编辑政策，基于“责任、透明和人类监督”三原则，阐明共同准则并提供实践指引，支持负责任和透明的AI使用。新政策关注AI使用方式、潜在影响、风险程度及人类监督，禁止利用AI生成结论或将同行评议委托给AI工具。