Cohere 提出 CALIBER 方法，训练推理模型在推理前后分别给出置信度
Cohere 提出 CALIBER 方法，训练推理模型在推理前估计解题成功率、推理后评估该答案正确的可能性，并在一次回答中同时输出两个置信度。
全部动态
按时间排列的全部内容。默认只显示通过双重评分的入选条目；切换到“全部收录”可以检索所有抓到的资料。
702 条收录动态，更新于 03:03
全部收录包含没有通过评分的资料，标题以常规字体显示并标为“未入选”，只供检索，不写入选理由。
10月20日
星期二，2 条Claude 设计抗蝎毒神经毒素蛋白结合体，211 个设计中 17 个达标
Anthropic 让内部研究模型在 Claude Science 中针对 4 个地区的 5 种蝎毒神经毒素设计 minibinder，64 小时内生成 318,484 个设计并选出 180 个，团队补充 31 个，共 211 个交由 Adaptyv Bio 和 Twist Bioscience 实验室检测，17 个达到结合标准，且均只针对单一毒素。
入选理由Anthropic 公开 211 个设计及结合数据，研究者可据此判断 AI 智能体在毒素靶点设计中的实际产出与局限。
10月19日
星期一，7 条Sakana AI 提出 QD-Rec 推荐方法，在论文推荐等三类任务上验证
Sakana AI 开发了推荐方法 QD-Rec，把候选与说明选择理由的假设成对作为推荐单位，由生成式 AI 参考已有优质假设反复生成新假设，以积累质量高且角度不同的推荐。
OpenBMB 提出 Trident：解决多模态检索中文本压过图像的问题
OpenBMB 发现多模态检索器在纯文本和纯图像语料上表现良好，但在图文混合语料上明显退化，并将这一现象称为 Chaos in the Text。分析显示存在系统性的模态偏好：文本常比语义对齐的图像获得更高相似度分数。
Google Research 发布 Harness² 框架，让智能体在冻结模型上改进自身 harness
Google Research 发布 Harness² 框架，让智能体围绕冻结模型改进自身 harness，流程包括基线轨迹记录、Editor 智能体起草两版候选修改、Composer 智能体对比合并有效修改、Reflector 智能体把经验写入文件并存入组件库。
南京土壤所基于 PINN 构建地热储层水热耦合模拟新方法
中国科学院南京土壤研究所张佳宝团队联合中国地质科学院水文地质环境地质研究所等单位，基于物理信息神经网络（PINN）构建了面向地热对井系统的水热耦合模拟框架，成果在线发表于《热工程案例研究》。该框架将地下流体流动与热量传输控制方程引入神经网络训练，用双网络架构分别预测水头场和温度场。在河北献县地热田对井采灌系统的验证中，训练样本有限时其预测精度和物理一致性优于纯数据驱动深度神经网络。
TreeOPSD：长程智能体强化学习新方法
推荐阅读！ TreeOPSD： 面向长程智能体强化学习的树感知后验蒸馏
引用Dr. Cheems Wang 🏡@AlbertW24045555(1/5) New preprint: TreeOPSD, critic-free RL for long-horizon LLM agents 🌳 Long-horizon agents receive a single outcome reward after many turns, and each rollout batch feeds several sequential mini-batch updates while the policy drifts from the one that sampled it. TreeOPSD backs terminal rewards up a rollout tree and splits each update into two steps: construct a target for every turn, then match the current policy to it with forward KL. This leads to: • closed-form, bounded turn targets that commute with tree backup, so shared prefixes are trained once with no loss of credit • the exact tree policy gradient on the first mini-batch, and updates that stop at the target and reverse after overshoot • consistent gains over GRPO, GSPO and a matched tree baseline, largest on the longest-horizon tasks On Deep Research, TreeOPSD lifts Qwen3-30B-A3B-Thinking-2507 from 16.23 (GRPO) to 21.20 average accuracy. Title: Tree-Aware Posterior Distillation for Long-Horizon Agentic Reinforcement Learning Paper: https://arxiv.org/pdf/2610.23181 Together with @TencentHunyuan #LLM #RLVR #AIAgents
生成式AI系统RFdiffusion3可从原子层面设计蛋白质和核酸
包括2024年诺贝尔化学奖得主戴维·贝克在内的团队开发出生成式AI系统RFdiffusion3（RFD3），可直接从原子层面设计蛋白质和核酸，生成蛋白质结构的速度约为前代系统的10倍。
瑞典国防研究局开发 WiFireNet：用 Wi-Fi 信号识别隐藏手枪
瑞典国防研究局（FOI）研究人员开发出 WiFireNet 系统，通过分析 Wi-Fi 信道状态信息（CSI）识别隐藏手枪，论文 10 月 13 日发布于 arXiv。
10月17日
星期六，1 条Anthropic 称 Claude 在 30 分钟内破解 25 年未解的 NSA 密码学谜题
Anthropic 称 Claude 在不到 30 分钟内解开了 NIST 于 2000 年标准化的 ECDSA 曲线种子来源之谜：这些由 NSA 提供、此前无任何解释的种子来自 C 语言随机数生成器 lrand48，并以 1997 年 5 月至 1998 年 4 月之间的 Unix 时间戳初始化。
10月18日
星期日，1 条MIT 团队构建晶体材料视觉语言模型，可依据自然语言描述筛选候选材料
MIT 研究人员构建了一个面向晶体材料的多模态视觉语言模型，把 3D 原子结构与自然语言描述结合，描述涵盖化学组成、结构、性质、工艺考量与潜在应用，论文发表于 Nature Communications。
10月19日
星期一，1 条RFdiffusion3 可按原子层面设计蛋白质，设计方案在《科学》公布
华盛顿大学、牛津大学、英伟达等机构组成的国际联合研究团队在《科学》发表 RFdiffusion3 的详细设计方案，该系统可按单个原子建模设计蛋白质与核酸，团队已于 2025 年 12 月 3 日开源。
入选理由论文给出原子级蛋白质设计在酶活性位点上的实测结果，研究者可据此判断该设计流程能否用于自己的酶工程。
10月17日
星期六，1 条布里斯托大学团队用三个人脑类器官协同“读懂”盲文字母，准确率约83%
英国布里斯托大学团队将人脑类器官接在多电极阵列上，把触觉传感器采集的盲文字母数据转为电刺激输入，三个类器官协同区分26个盲文字母的准确率约83%，高于单个类器官约61%。相关论文发表于《人工智能前沿》。每个类器官直径不足1毫米、含约一万个神经元，解码由支持向量机完成。
10月19日
星期一，5 条哈佛Wyss研究所开发基于基因表达的衰老时钟，筛出SRSF1并延长小鼠寿命14%
美国哈佛大学Wyss研究所团队开发出一种基于基因表达的新型衰老时钟，并用它筛出基因靶点SRSF1，在动物实验中使老年小鼠寿命延长14%，成果发表在《自然·衰老》上。
扩散语言模型在不同任务和语言上的速度差异
对两个扩散语言模型在 10 项任务上的分析显示，每 token 所需前向次数高度依赖任务：DiffusionGemma 写故事生成一个 token 的前向次数是语法纠错的三倍以上。
SpatialScout 基准发布：评测 VLM 智能体能否主动探索并构建三维物体地图
研究团队提出 SpatialScout 基准，用于评测视觉语言模型（VLM）智能体在主动物体级三维建图上的表现，包含 80 个室内场景和 3,140 个目标物体。
GRSE：面向演化多智能体团队的分组相对技能归因方法
GRSE（Group-Relative Skill Evolution）通过在同一技能库下多次执行同一问题并对比结果，为智能体—技能对分配行为归因，并结构化诊断失败。
VerifierBench 发布：222 项任务评测 LLM 智能体生成可执行验证器的能力
研究团队提出 VerifierBench，用来自六个智能体基准的 222 项任务和 4,993 个隐藏测试用例，评测智能体能否根据任务指令与环境写出可执行验证器，要求其接受所有有效解并拒绝无效解。
10月18日
星期日，6 条我国首个全国产十万卡 AI 超集群真机亮相，曙光 8000 走超算智算融合路线
我国首个全国产十万卡 AI 超集群在深圳 2026 全国高性能计算学术大会上以真机亮相，并将发布十大重要应用成果。该系统名为曙光 8000，走“超算和智算原生融合”路线，同一套底座既能跑最高精度科学计算，也能跑大模型训练和推理。其算力可支撑数字孪生大脑乃至模拟百亿光年宇宙演化，目前正支持新材料、创新药、人工智能等 26 个领域 300 多种计算任务。
Épi 自主研究智能体产出 120 项纪录结果并给出 Tuza 猜想新证明
研究团队发布技术报告，介绍跨会话持续运行的自主研究智能体 Épi，它结合分层记忆、版本化分支和独立评审，在固定验证规则下产出 120 项纪录结果，包括 20 项数值界纪录和 100 项构造纪录，其中 n-queens 常数区间收窄约 84 倍，四次 Feigenbaum 吸引子维数的严格区间收窄超过 360 万倍。
入选理由作者团队公开了可核查的构造与证书，研究者能据此判断自主研究智能体在数学与算法设计上已能产出何种可检验结果。
HybridResearcher：4B 模型跨结构化与非结构化数据源做深度研究
作者提出 HybridResearcher，一个 4B 智能体，用于在结构化数据与无结构数据之间衔接证据。其做法是从已验证的单源任务出发，围绕桥接实体合成缺失的另一侧数据，只保留两侧单独都不足以回答的样本，再用监督微调加强化学习训练。
HybridResearcher-4B：让 4B 小模型跨数据库与网页做混合深度研究
研究团队提出 HybridResearcher 训练框架，并训练出 4B 模型 HybridResearcher-4B，用于在一条推理链中同时调用结构化数据库（text-to-SQL）与非结构化网页检索。
Deep Fusion Memory：面向大语言模型的块级参数化记忆架构
Deep Fusion Memory（DFM）是一种块级参数化记忆架构，通过因果记忆预测器从上下文生成记忆，并以门控交叉注意力融入隐藏状态，推理时无需显式检索。其构建训练数据所需的检索查询减少32倍、检索条目减少2048倍。在六个问答任务上，DFM 在 Mistral-7B-v0.3 和 Qwen3-8B-Base 上分别比最强基线提升12.71%和11.19%。
10月17日
星期六，6 条我国首个全自主可控气象 AI 集合预报系统“风清”投入业务运行
“风清”人工智能全球短中期集合天气预报系统 V1.0 近日通过业务化评审，正式投入全国气象业务运行，由国家气象中心牵头、联合多所高校和科研院所研发，核心算力、底层算法和数据源均实现国产化。
微软研究院发布 StudentSim：用 AI 学生模拟器替真人试课
微软研究院于 10 月 12 日发布研究系统 StudentSim，基于公开、去标识化的学习者记录为每位学生训练个性化“AI 学生模拟器”，模拟其独立作答及收到导师讲解后的反应变化。
Claude 用不到 30 分钟追溯出五条 NIST 椭圆曲线种子来源
Anthropic 发布博文称，其内部研究用 Claude 模型用不到 30 分钟追溯出五条 NIST 标准椭圆曲线（P-192、P-224、P-256、P-384、P-521）的种子来源，为一桩延续约 26 年的密码学悬案提供了可复现的答案。
Claude 30分钟破解25年密码学难题
Claude 在不到 30 分钟内解开了一个困扰 25 年的密码学谜题。 有一大类研究问题，其搜索空间极其庞大，但验证成本很低。 AI 智能体可以大规模探索假设、运行实验并做出新发现。我们将看到更多这样的案例。
Google Research 将智能体接入湿实验室机器人，闭环设计出癌症靶点蛋白结合体
Google Research 宣布把智能体带到湿实验室工作台，通过将智能体与实体实验室机器人结合，运行快速闭环的分子设计循环，并称由此发现了针对癌症靶点的个位数纳摩尔蛋白结合体。原文附有介绍链接，未说明该流程的开放范围或是否已发表。
入选理由Google Research 把智能体接到湿实验室机器人上跑闭环分子设计，并给出针对癌症靶点的蛋白结合体结果，可看自动实验如何进入真实生物发现流程。
Google 研究让 AI 智能体在湿实验室闭环完成适配体与蛋白设计
Google Research 公布三项研究，推进 AI 智能体从计算设计走向真实湿实验室实验：VERID 框架为实验室工作单元建立语义数字孪生，让智能体在动作前检查台面布局、孔内体积和吸头库存，并在模拟中预演协议。
入选理由Google 展示了智能体在真实湿实验室中闭环设计并验证核酸适配体与蛋白结合体的进展，研究者可据此判断自动化实验的可行边界。