思考如何让推理模型解读“some”与“or”：Entertain, then Cancel
研究在固定模型权重、仅改变思考长度的条件下，考察推理模型对“some”（非全部）和“or”（非两者）等逻辑词日常含义的解读。思考使多数被测开源推理模型和 GPT-5 按逻辑本义解读，取消这些会话含义，而间接回答等依赖上下文的推断则有所改善；推理轨迹显示模型先采纳丰富解读、随后再将其取消。
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。
698 条收录动态，更新于 00:00
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15日
星期四，15 条3DCodeVerse：将 3D 世界作为代码探索
研究团队推出 3DCodeVerse 研究生态，让编程智能体大规模生成可编辑、可验证的 3D 内容，包含 3DCodeVerse-2M 可执行 3D 代码数据集、用于空间推理与自动验证的 3DCodeVerse Harness 多智能体 DAG 框架，以及 3D 编程实践指南。
LLM-Attacker：面向拆分式与分布式 LLM 系统隐私评估的统一红队框架
LLM-Attacker 是一个统一红队框架，用于记录、比较和扩展拆分式与分布式 LLM 系统的隐私评估，兼容攻击可复用已记录消息并保存预测以供独立评分。
JevAgentHarness：让决策模型与 LLM 共享智能体控制权
研究团队提出 JevAgentHarness，把智能体每步的工具选择等选择题交给决策模型 Jev 处理，仅在置信阈值以下才调用大语言模型，以降低长任务的时间与费用。
ACT3D：用结果奖励让视觉语言模型学会在 3D 环境中主动探索
研究团队提出 ACT3D，让视觉语言模型保持单张图像的原始视觉输入，把 3D 表示当作可交互环境，模型通过移动、转向等动作获取新视角后再作答。方法先做轨迹监督微调，再用以最终答案正确性为主要奖励的强化学习训练，不对访问哪些视角或采取哪些动作提供直接监督。
Lexical Reference Frames：用模型原生语义解读语言模型残差流
研究者提出 Lexical Reference Frames，通过模型自身剩余层读取隐藏状态，使其可按模型原生语义解读。在 SmolLM3-3B 和 OLMo3-7B 中层深度，一阶框架 LexFrame[1] 的相干度达 0.97，而固定方向透镜最高仅 0.30 和 0.35，读取结果与模型输出相差 0.16 nats 以内。
Meta 用 AI 辅助医学专家产出 10 篇研究稿件，覆盖心脏病学与肿瘤学等
Meta 表示其构建了一套由人类主导的研究框架，由 Muse Spark 1.3 与 Muse Wonder 驱动，可访问 500 万份回顾性去标识电子健康记录及公开数据。一组医学专家用该系统开展原创研究，在假设生成、代码执行和稿件撰写上提速，同时保留对科学决策的全部决定权。Meta 此次公开了由此产出的 10 篇研究稿件，涵盖心脏病学、肿瘤学、传染病、急诊医学等方向，详情见其研究博客。
研究者用 AI 设计可切割特定蛋白的蛋白酶
研究者利用 AI 蛋白设计工具，保留两类蛋白酶催化核心并替换蛋白其余部分，设计出可定向将特定蛋白切成两半的酶。他们通过切割与神经疾病相关的蛋白验证了这些酶的效果。原文提到，肽键本身半衰期估计达数百年，而生物体演化出的蛋白酶能快速将其打断，这项工作相当于绕过了蛋白酶的自然多样化过程。
Ai2 发布 HiRO-ACEv2 气候模拟系统，3 公里分辨率成本约为原来的三百分之一
Ai2 发布 HiRO-ACEv2 系统，可在 3 公里分辨率下模拟全球极端天气，成本约为原来的三百分之一，同时其统计特征与 X-SHiELD 的偏差在 3% 以内，即使对百万分之一量级的稀有事件也是如此。模型已在 Hugging Face 开放（https://huggingface.co/allenai/HiRO-ACEv2）。
华为等提出 SwarmRSI：让科学智能体群体通过共享研究状态递归自我改进
华为、Leiden University 等机构的研究者提出 SwarmRSI 框架，让科学智能体群体通过演化彼此继承的研究状态（假设、程序与实验证据）实现递归自我改进，代码已在 GitHub 公开。
SwarmRSI 框架让科学智能体群体递归自我改进
作者提出 SwarmRSI 框架，通过 Feedback-Guided Swarm Mutation 和 Complementary Swarm Recombination 两个机制，让科学智能体群体利用彼此的实验反馈修正假设与实现，并把保留的假设和互补程序组件复用到新研究中。
Google 在 Research@ 2026 发布多项科研 AI 能力，Deep Review 公开上线
Google 在 Research@ 2026 活动上公布多项面向科研的 AI 能力，其中 Deep Review 在 STOC、ICML、NeurIPS、ICLR 的 15000 余份投稿中完成部署后正式公开上线。
入选理由Deep Review 已在 STOC、ICML、NeurIPS、ICLR 的 15000 余份投稿中试用后公开，审稿人和会议组织者可据此判断它能否进入评审流程。
Google 发布地理空间推理智能体技术报告，并开放 Earth AI 早期访问
Google 公布地理空间推理智能体的技术报告，在 CBGB、UnivEARTH 及新发布的 GeoExpertQueries、GeoKTools 四个基准上比较了四种配置，结果显示接入 Earth AI 专用工具后定量空间任务得分明显提升，而开放式问题还需要前置规划。
入选理由Google 公开了地理空间推理智能体的技术报告与两个新基准，并给出 WHO 等机构的早期实测，研究者可据此判断这类地球科学智能体能否接入自己的空间分析流程。
Ai2 发布 HiRO-ACEv2，以约三百分之一成本生成全球 3 公里气候数据
Ai2 发布 HiRO-ACE 系统的新版本 HiRO-ACEv2，其降尺度模型 HiROv2 可同时预测多种高分辨率变量，不再只限于降雨，并提升了对极端事件的预测能力。
入选理由Ai2 公布气候模拟系统更新，研究者可据此判断能否用低成本方式生成极端天气的高分辨率数据。
10月14日
星期三，15 条微软概率偏差校正提升延伸天气预报
天气预报在两周之后便不可靠，给农民和其他人留下了关键空白。概率偏差校正（Probabilistic Bias Correction）改进了延伸期预报，在全球竞赛中拔得头筹，并展现出在实际应用中大有可为：https://msft.it/6013aseY9 图片来源：科罗拉多州立大学大气研究合作研究所与美国国家海洋和大气管理局（CSU/CIRA & NOAA）
MIT 团队用机器学习后处理将两到六周天气预报准确率提高一倍
MIT 等机构的研究团队开发了一种机器学习后处理层，通过学习历史数据修正现有预报模型的误差，在两周到六周的次季节预报中把黄金标准模型的预测能力提高了一倍，并首次在该时间尺度上超过气候平均值。相关论文发表在 Nature，该方法在 ECMWF 的预报竞赛中获第一名，对极端天气的预测也有统计显著提升。该模型是开源、低成本的附加组件，可搭配任意预报模型使用，肯尼亚气象部门已联系希望用于改进季风预报。
入选理由研究团队用后处理层修正现有预报模型误差，把两周到六周的次季节预报准确率提高一倍，并开源低成本，能源与农业用户可据此评估部署可能。
Euler：面向人类理解的多智能体数学发现系统
作者提出 Euler，一个以共享结构化研究状态为核心的多智能体数学发现系统，记录精确命题与假设、命题间依赖、备选证明路线、失败尝试及每条结论的证据，供研究者和智能体共同使用。
Ai2 发布 HiRO-ACEv2，以约三百分之一成本生成全球 3 公里气候数据
Ai2 发布 HiRO-ACE 系统的新版本 HiRO-ACEv2，其降尺度模型 HiROv2 可同时预测多种高分辨率变量，在给定粗化的 X-SHiELD 数据时，对极端降雨、风速和气压的高分辨率统计量误差在 3% 以内，并能估算热带气旋总能量。
HDOCK-Multimer：整合对接与组合组装预测大型蛋白复合物结构
Nature Computational Science 在线发表的研究提出 HDOCK-Multimer，一个通过整合从头对接与组合组装来预测大型蛋白复合物结构的通用框架，据称显著优于现有最先进方法。论文由 Xuan Yao 撰写，DOI 为 10.1038/s43588-026-01062-1。
vLLM 开源训练推理逐位一致配方与智能体技能，加速 RL 训练
vLLM 团队发布 train-inference-consistency 技能与配套代码，让训练前向直接调用 vLLM 推理内核并改造高性能内核，使 rollout 与训练对每个采样 token 的 logprob 逐位相同（diff = 0）。
入选理由vLLM 团队公开了让训练与推理逐位一致的算子级配方和智能体技能，可迁移到新模型与低精度部署。
MIT 研究：人工神经网络如何自组织出自身学习机制
MIT McGovern 研究所与 ICoN 中心团队在 PNAS 发表研究，证明一组随机连接的单元仅凭简单的连接调整规则即可自组织成有效的信息处理网络，学会识别模式和分类图像，性能与依赖反向传播训练的网络相当。研究者认为，能否自组织——包括调整连接的学习机制本身——应成为衡量神经网络生物学合理性的关键指标。
RoTA-Bench：通过交互式投影对齐评估 3D 空间推理
研究者提出 RoTA-Bench，通过交互式 3D 到 2D 投影对齐评估视觉语言模型的 3D 空间推理能力，自动流程从 2D 图标构建保轮廓 3D 物体，共生成 674 个任务和分层 100 任务测试集。
Ai2 将 Molmo 2 适配鲑鱼声呐视频
Kai Van Brunt 将 Molmo 2——我们用于视频理解的开源模型——适配到了一个远超其训练数据的领域：鲑鱼的声呐视频。 认识 Molmo2Fish，这是一个可追踪鱼类、并能通过自然语言引导纠正部分错误的原型。🧵 https://allenai.org/blog/molmo2fish
Gemini 4 Argon 加速机器人研究
我们一直在探索利用 Gemini 4 Argon 加速 @Google 研究的潜力。其中一项测试是使用人类完成趣味任务的视频（比如投沙包游戏？）来自主生成训练模拟，而非完全依赖手动编程。 听听我们研究团队的介绍，并观看实际效果：我们的类人机器人研究这些视频、运行模拟，并掌握了投沙包游戏。
Ai2 支持华盛顿大学蛋白质设计与药物发现研究
很自豪能与 @UWProteinDesign 以及华盛顿大学的同事们一起支持蛋白质设计与药物发现领域的 AI 研究。
引用Joseph Lee@jleechung✨Introducing Prompteina: all-atom protein design directly from natural language✨ - Control diverse protein properties through a single text prompt - Higher predicted binding confidence than baselines - First experimentally validated de novo binders reported for GM2A 🧵
Gemini 4 Argon 模型性能跃升
Gemini 4 Argon 是模型性能的一次阶跃式提升。 近几周，它对我们 @GoogleDeepMind 团队以及外部合作者的科学项目产生了变革性影响，并帮助在多个科学学科领域取得了一系列显著进展。🧵👇
Google DeepMind 发布 Gemini 4 Argon 机器人物理推理模型
Google DeepMind 发布 Gemini 4 Argon，定位为通用物理推理模型，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，称超过其他前沿模型。
入选理由材料给出 Argon 在机器人全流程的提示词示例与开放渠道，研究者可据此判断它能否接入自己的仿真与真机工作流。
Google DeepMind 发布 Gemini 4 Argon，面向科研与工程任务并开放 1 万名科学家免费申请
Google DeepMind 发布前沿模型 Gemini 4 Argon，今日起通过 Gemini API 在 AI Studio 和 Gemini 平台面向开发者与企业开放。
入选理由Google 官方给出 Argon 在量子化学、聚变、酶设计与罕见病分析中的具体案例，研究者可据此判断它在自身计算流程中的可用边界。
Google 发布 Gemini 4 Argon，面向科研与工程任务并开放 1 万名科学家免费申请
Google 发布前沿模型 Gemini 4 Argon，今日起通过 AI Studio 和 Gemini 平台的 API 面向开发者与企业开放，Google AI Ultra 订阅者可在 Google Antigravity 使用。
入选理由Google 官方给出 Argon 在量子化学、聚变、罕见病与酶设计上的自测案例，研究者可据此判断它在自身领域的可用边界。