马丁-奥拉利亚教授的最新研究指出，绝对零度下比热消失这一长期被视为热力学第三定律内容的现象，其实可以直接由热力学第二定律，尤其是由热稳定性要求推导出来。在此前将能斯特定理与第二定律关联的研究基础上，他提出仅凭第一和第二定律即可解释物质在所有温度范围内的行为，无需再设立独立的第三定律。他的分析表明，热稳定性要求零度以上的比热为正，并迫使比热在温度趋近绝对零度时同时迅速趋于零，从而提供一种完全经典的热力学解释，与量子解释一致但并不依赖量子理论。

北京科技大学侯新梅教授，杨涛教授联合中国环境科学研究院王宏洋研究员报道了一种系统的阴离子交换膜水电解（AEMWE）膜电极组件（MEA）设计与优化策略，涵盖 MEA 核心组件（催化剂层、阴离子交换膜、气体扩散层）的性能调控、界面工程构建及有序结构创新，为高效率、低成本 AEMWE 技术的工业转化提供理论支撑与技术参考，以题为 “Membrane Electrode Assembly Design for High-Efficiency Anion Exchange Membrane Water Electrolysis” 发表在 Research 上 (DOI: 10.34133/research.0907)。

浙江大学魏威教授团队与福州大学张进教授团队联合研发了一种集成多通道3D打印支架与siRNA递送系统的协同治疗策略，用于同时提供物理导向、改善抑制性微环境并激活神经元内在再生能力，用于修复脊髓损伤（SCI）中的轴突再生受限和神经回路中断。该研究以“Multichannel 3D-printed bioactive scaffold combined with siRNA delivery to promote neurological recovery after spinal cord injury”为题，发表在Research上。

在 12 月 11 日为科学记者举办的特别活动中，《科学》新闻发布团队将重新探讨 2023 年被认定为《科学》年度突破（Science’s Breakthrough of the year in 2023）的这一话题：GLP-1 受体激动剂在肥胖症治疗中的进展及其对缓解肥胖相关健康问题的疗效。由《科学》杂志出版方——美国科学促进会（AAAS）—— 颁发的“Mani L. Bhaumik 年度突破奖”（Mani L. Bhaumik Breakthrough of the Year Award）旨在表彰为 GLP-1 突破性研究奠定最重要基础的研究人员；该奖项评审委员会成员包括 Weill Cornell 医学院肥胖症治疗临床医生、FlyteHealth 联合创始人 Katherine Saunders 博士。Saunders 博士经常与媒体合作，并就如何将开具 GLP-1 类药物处方作为心脏代谢全面护理的一部分的问题作出回应。她认为，有关此类话题的新闻报道有机会更准确地反映肥胖症作为一种疾病的生物学现实，以及在使用 GLP-1 类药物治疗患者时所考虑的科学依据。 在本次发布会上，Saunders 博士会就这些话题回答各位的提问。与她一起出席的还有 Robyn Pashby 博士（一位专门研究肥胖相关行为科学的临床心理学家）以及 Tracy Zvenyach 博士（一位卫生政策研究员和肥胖症行动联盟的政策战略总监）。Pashby 博士将探讨的议题包括：心理健康与肥胖症之间的神经行为学关联，以及 GLP-1 类药物会如何影响使用者的动机、奖赏机制及治疗参与度。Tracy Zvenyach 博士致力于政策宣导和研究，旨在改善肥胖症治疗的可及性；她将概述保险覆盖现状，其中包括标准健康保险的运行机制及其局限性。她还将探讨持续开展 GLP-1 类药物研究的政策影响，这些研究所展现的裨益日渐广泛。 本次活动将于美国东部时间 12 月 11 日（周四）上午 10 点在Zoom 平台举行。请立即注册参会：https://aaas.zoom.us/webinar/register/WN_HwsyjhaBRR2RurCbJ5vhXw。请各位准备所提问题！注意：本次活动不涉及禁止提前公布的内容。

新的研究表明，即使是小型开源的 AI 聊天机器人也可成为有效的政治说客。这些发现提供了一幅完整的有关 AI 政治说服机制的实证图景，揭示了后训练和提示（而非模型规模与个性化功能）才是真正的主导因素。该研究还揭示了说服力与准确性难以两全的证据，这一发现将重新定义决策者和研究人员该如何构想具说服力 AI 的风险。许多人日益担心，AI 的进步——尤其是对话式大型语言模型（LLMs）的发展——可能很快就会赋予机器空前强大的对人类信念的影响力。然而，这些系统的说服力究竟有多强，以及其背后的运作机制究竟如何，在很大程度上仍属未知。为钩沉索隐，Kobi Hackenburg 与同事就三个核心问题展开了研究：模型更为庞大先进是否天然具备更强的说服力；能否有针对性地通过后训练提高小型模型的说服力以及 AI 系统在试图改变人们想法时会仰仗哪些策略。Hackenburg 等人开展了三项大规模问卷实验，组织了近 7.7 万名参与者与 19 种不同的 LLM 模型（从小型开源系统到最先进的“前沿”模型）就数百个政治议题进行对话。他们同时检验了多种提示策略与数种后训练方法，评估了每种“控制杠杆”会如何影响说服效果与事实准确性。研究结果显示，模型规模与个性化（即 LLM 提供用户信息）对说服效果的影响虽小，但可被量化。而后训练技术与简易提示策略则能大幅提升说服力：增幅分别高达 51% 和 27%。小型开源模型一旦经过后训练，其在改变政治态度方面也足以比肩大型前沿模型。Hackenburg 等人发现，当 AI 系统在提供信息丰富的论点时，其说服力最强。在不同模型与方法中，约半数说服效果的差异性可归因于这一关键因素。然而，作者也发现了一个显著的不可兼得现象：那些能有效提升说服力的模型与提示策略往往会以牺牲真实性为代价；表明若为增强 AI 影响力而优化模型可能会无意中降低其准确性。Lisa Argyle 在一篇《视角》中更为详细地讨论了这项研究及其在《自然》杂志上发表的配套研究。 特别说明/《自然》杂志相关文章：一篇作者重合且主题相关的文章：《运用人机对话策略说服选民》 将在同一天和同一时间在《自然》杂志同步发表（其禁止提前发布指令解除的日期与时间也相同）：美国东部时间 12 月 4 日（周四）下午 2 点。如需了解该相关论文，请访问《自然》新闻网站：http://press.nature.com或联系《自然》新闻办公室团队：press@nature.com。