文章摘要
研究发现，猫的行为能够干扰大型语言模型的推理能力，揭示了人工智能在处理复杂生物行为时的局限性。此外，科学家发现孔雀羽毛中的微小反射结构可以将光放大成激光束，这是动物界首次发现的激光腔实例，进一步展示了自然界中结构色的奇妙应用。
文章总结
科学顾问：猫让AI困惑
《未来新闻》最新一期探讨了猫如何让强大的大型语言模型陷入困惑。文章首先回顾了最新的科学新闻，包括对美国唯一南极研究船退役的抗议以及蛋白质进化的追踪研究。
物理学：孔雀羽毛可以成为激光器
孔雀羽毛中隐藏着一个秘密：微小的反射结构可以将光放大成激光束。研究人员通过染色羽毛并用外部光源激发，发现它们发射出窄束的黄绿色激光。这项研究首次展示了动物界中的激光腔。孔雀羽毛的“结构色”早已为人所知，其内部的微结构在特定频率下反射光线，产生鲜艳的蓝色和绿色。研究人员希望进一步探索这些微结构是否也能将光放大成激光束。虽然尚未确定产生激光的具体微结构，但研究人员推测可能是羽毛中的蛋白质颗粒。这一发现表明，未来生物材料可能被用于制造可安全植入人体的激光器，用于生物传感、医学成像和治疗。
政策：美国将停止支持唯一南极研究船
美国国家科学基金会（NSF）计划停止对“纳撒尼尔·B·帕尔默”号南极研究船的支持，这将是美国自1960年代以来首次在该地区没有专用研究船。白宫在2026年预算中提出了这一削减计划，目前尚未受到国会的强烈反对。超过175名科学家已致信NSF和国会，要求重新考虑这一决定。该船是南极研究的重要平台，包括对“末日冰川”思韦茨冰川的探索。尽管该船仍可继续使用十年或更长时间，但特朗普政府也提议削减其继任者的开发资金。
生物学：揭开蛋白质进化的神秘面纱
人类基因组中有近2万个基因编码蛋白质，这些分子支撑着身体的几乎所有功能。为了更好地追踪蛋白质进化，研究人员研究了来自人类、大麦和大肠杆菌的三种不同蛋白质。他们随机交换了蛋白质表面或核心部分的遗传密码，发现超过93%的样本中蛋白质丰度下降了一半。然而，研究人员发现，蛋白质的基本遗传结构简单且易于移植。通过追踪类似自然突变的小规模随机交换，他们能够预测这些突变蛋白质在数百万年内的进化。然而，许多交换导致蛋白质与其他分子的结合能力下降，这表明蛋白质核心的序列变化在进化中被淘汰，不是因为它们使蛋白质不稳定，而是因为它们降低了蛋白质的功能效率。研究人员希望他们的工作能用于预测人工设计蛋白质的稳定性和成功率。
未来新闻：猫让AI困惑
最近的一项研究发现，猫的随机事实足以让AI模型在解决数学问题时出错。研究人员通过在数学问题后添加无关的“猫攻击”文本，发现AI模型的错误率增加了700%。尽管人类可以轻松忽略这些无关信息，但AI却无法做到。这一发现表明，恶意行为者可以轻易地利用这些简单的对抗性触发器来操纵AI模型，导致更高的错误率和更长的响应时间。研究人员强调，在金融、法律和医疗等关键应用中，需要更强大的防御机制来应对这种对抗性干扰。
其他新闻：
- 免疫反应增强：即使是在虚拟现实中看到生病的人，也能增强免疫反应，帮助抵御感染。
- 衰老加速：新的蛋白质分析表明，50岁左右衰老速度显著加快，尤其是在血管等组织中。
- 云层反射与珊瑚礁保护：科学家正在尝试通过制造云层来冷却过热地区，如大堡礁，以保护珊瑚礁。
最后：
《科学顾问》编辑克里斯蒂·威尔科克斯邀请读者提交科学问题，并欢迎反馈。
评论总结
评论主要围绕CatAttack方法对AI模型（如DeepSeek V3、Qwen 3、Phi-4等）的影响展开，讨论了该方法如何增加错误答案的概率，并延长响应时间。以下是主要观点和论据的总结：
CatAttack对AI模型的负面影响
- 评论1指出，CatAttack在某些模型中使错误答案的概率增加了700%，并显著延长了响应时间，增加了成本。
- 评论5提到，在ChatGPT 4o中添加猫相关事实后，得到了错误答案，验证了CatAttack的效果。
人类与AI在处理无关信息上的差异
- 评论2和评论4质疑人类是否能完全忽略无关信息，认为即使是人类也可能受到干扰，尤其是在非AP数学课程中。
- 评论17认为，人类在面对类似干扰时也会犯错，但AI在被告知忽略无关信息后表现良好。
对研究方法的批评与建议
- 评论3建议，可以通过让AI先去除无关信息来解决问题。
- 评论22提出，研究应控制猫相关事实对大学生解决数学问题的影响，以进行更全面的比较。
对AI模型设计的反思
- 评论7认为，AI模型在处理不相关文档时表现不佳是意料之中的，因为其设计初衷是生成与训练数据相似的输出。
- 评论23指出，AI的上下文窗口设计使其容易受到无关信息的干扰，但可以通过训练来改善这一问题。
对研究意义的讨论
- 评论27强调，研究的核心在于揭示AI在关键应用中的脆弱性，呼吁加强对抗性扰动的防御机制，而非单纯比较人类与AI的表现。
- 评论28认为，将AI的响应问题归咎于“越狱”是不恰当的，因为AI只是根据输入生成响应。
对研究细节的批评
- 评论29指出，论文中存在表格错误和语法问题，认为作者可能也受到了猫相关信息的干扰。
- 评论30提到，论文中猫相关事实的示例较少，令人失望。
总结：评论普遍认为CatAttack方法有效揭示了AI模型在处理无关信息时的脆弱性，但也对研究方法和人类与AI的差异提出了质疑。研究的意义在于推动AI在关键应用中的鲁棒性改进，而非单纯比较人类与AI的表现。