搜索与计数仅限六个 AI × 心理学议题。全部收录不等同于精选；普通心理学内容可从背景主题继续阅读。
一项1894名澳洲16至18岁青少年调查发现，有相关网络受害经历者中35.4%未告诉任何人，或只告诉AI。两类合计不能写成三分之一向AI求助；研究提示人工支持触达缺口，未评估AI帮助是否有效。网络配额调查、回溯自报；按年龄/性别/地区加权，不能消除所有选择及回忆偏差；35.4%（95%CI29.8–41.3）是受害者中的合并类别，不是全体儿童AI求助率。
推荐理由：网络配额调查、回溯自报；按年龄/性别/地区加权，不能消除所有选择及回忆偏差；35.4%（95%CI29.8–41.3）是受害者中的合并类别，不是全体儿童AI求助率。
苏黎世 z-proso 研究在 15、17、20、24 岁四个时间点向 1,442 名年轻人提出同一个开放式问题，共收集 5,670 段自述，并用 BERTopic 主题建模与大语言模型分类器归纳出 12 个主题、五大领域。约 83% 的事件为正面，最常被提及的是学校、教育与学徒经历；内化症状较高者更倾向提及恋爱友谊、心理健康与压力事件和丧失，较少提及学业与成就类里程碑。
4月公布、7月施行的办法针对持续性情感互动服务，禁止向未成年人提供虚拟亲属或伴侣服务，并要求未成年人模式。规则也明确不得以诱导依赖、替代社会交往为服务目标，敏感交互信息用于训练另有同意要求。是法规内容介绍，不是其实施效果评估；不涉及持续情感互动的普通知识问答等不适用该办法。
推荐理由：是法规内容介绍，不是其实施效果评估；不涉及持续情感互动的普通知识问答等不适用该办法。
ERC 资助的 WARN-D 项目在完成近 5 年数据收集后，于 Codabench 上线预测抑郁症发作的机器学习竞赛，由博士后 Rayyan Tutunji 领衔。竞赛数据覆盖约 1,750 名年轻成人、为期 2 年的三阶段随访，开放 70% 数据及 30% 留出集的预测变量，参赛者需预测每人在各测量点的抑郁发作。截止日期为 2 月 27 日，前三名团队将列为论文作者。
Data Colada 发文评论一篇 QJE 领英审计研究，该研究用 AI 生成约 400 个虚构年轻男性领英档案、随机分配种族并发出 3 万多条连接请求，发现黑人档案连接率更低但获建议率相当。作者用刺激图分析 197 对照片，发现效应差异未超出抽样误差预期，查看材料后认为这些 AI 照片缺乏可辨多样性，构成该研究的有趣缺陷。
2025年正式论文摘要报告，较低AI知识与较高接受度相关，作者提出魔法感与惊叹的解释。这里的接受度指使用意愿与任务偏好，区别于整体智力或识别错误建议的能力。
五项模拟招聘实验共有1403名学生及HR参加，使用虚构简历和建议。错误建议降低判断表现，热图或图表解释未稳定消除过度依赖；任务没有真实招聘后果。
