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。
703 条收录动态，更新于 03:33
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。
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。
✨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 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，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。
KAUST 等机构的研究者提出 JevGPT，把自主研究拆成两个系统：System Two 负责设定证据目标并整合发现，System One 基于 Jev 模型并行判断来源相关性、定位原文段落并主动发现候选。
KAUST 等机构的研究者提出 JevGPT，一种面向自主科研的双系统架构：System Two 负责设定证据目标并整合发现，System One 负责定位支撑段落、评估相关性和引导后续阅读，独立来源判断可并行执行。
Meta Superintelligence Labs（MSL）发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，第三方评测显示其接近前沿水平。
Ai2 开放发布视觉语言模型 Molmo 2，公开模型、代码与训练数据，MIT 毕业生 Kai Van Brunt 据此构建了适配声呐鲑鱼视频的 Molmo2Fish。微调后的 Molmo2Fish 在未接受纠正时表现与专用鱼类追踪系统大致相当，且能按自然语言指令自动修正部分追踪错误，但改善自身最强预测仍较困难。该模型仍是研究项目，尚未部署。
Nature Computational Science 在线发表 Andreas Burger 等人的工作，提出机器学习原子间势的扩展方法 HIP，可直接预测分子 Hessian。作者称在过渡态搜索、几何优化和振动分析中，其精度和速度优于通过自动微分得到的 Hessian。论文发表于 2026 年 10 月 13 日，DOI 为 10.1038/s43588-026-01066-x。
Nature Computational Science 在线发表的一项系统实验显示，大语言模型在预测材料性质时难以利用原子位置信息，主要依据原子类型作出判断。这一局限不会随模型规模或数据集规模增大而改变。准确预测材料性质是计算材料科学的主要挑战之一。
Nature Machine Intelligence 在线发表 Cao 等人的研究，提出基础模型 AMIFound，将七种医学影像模态的修复任务统一到一个模型中，可在多种退化条件下完成增强，并保留对诊断有临床意义的信息。论文为预印本之外的期刊在线发表版本，DOI 为 10.1038/s42256-026-01310-z。
Google 团队回顾近十年科研 AI 成果，从 AlphaFold、AlphaGenome 到 Co-Scientist，并称 Google 首篇 Lancet 论文已发表。该前瞻性临床可行性研究显示，对话式医疗 AI 系统 AMIE 在基层就诊前安全采集病史，监督医生无需任何安全中止，其鉴别诊断在 top 7 可能性内与最终临床诊断吻合率达 90%。
OmniCompass 是一个面向全模态视频定位与理解的综合基准，分设 OmniCompass-VL 与 OmniCompass-AV 两条评测赛道，各含时间定位、空间定位和问答三类任务。
Amazon Web Services 团队提出 priming 方法，利用预训练 Transformer 权重作为起点，将混合架构的预训练成本降低 99% 以上，相关论文题为《Priming: Hybrid state space models from pre-trained Transformers》。
入选理由Amazon Web Services 提出 priming 方法，把混合架构的预训练成本降低 99% 以上，并开源 8B 与 32B 模型，研究者可据此低成本比较不同状态空间层。
Google 回顾其健康研究布局，称过去五年团队发表了 90 篇经同行评审的疾病研究论文，累计被引超过 9 万次。
入选理由Google 汇总了 AlphaFold、AlphaGenome 等模型在疾病检测与药物发现中的合作案例，研究者可据此判断这些工具能否接入自己的课题。
微软研究院提出 StudentSim，一个用公开去标识化学习记录训练个性化学生模拟器的研究系统，用于在 AI 导师接触真实学习者之前评估和改进导师。研究同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学三个领域，从行为保真度和对指导的响应度两个维度评估模拟器。
入选理由微软研究院提出用真实学习记录训练个性化学生模拟器，为 AI 导师在接触真实学习者前提供可扩展的反馈信号。
苏州大学王宇航团队联合新加坡国立大学和悉尼大学，用 DeePMD-kit 势函数在 LAMMPS 中模拟 SnO₂(110)/水界面，揭示双极膜表面羟基结构如何影响水解离。
阿里巴巴 Qwen 团队推出 QwenGyre，将弹性强化学习用于超长程（XLong）智能体训练，核心设计为 Elastic Scheduler 与 Trajectory Processor。
来自一个卓越模型的好结果。 这是 AI 产生积极影响的一个绝佳例子。这就是为什么我们 @GoogleDeepMind 将推动科学进步作为核心重点！
Google Deepmind (FNV3) CRUSHED the forecast for #Isaias up to 11 days in advance. It picked up some appreciable signal on September 23, locked in on the exact landfall location4 days before it happened, and nailed the peak intensity consistently 3 days before it happened. A new age of forecasting is upon us. First video: Track density using 1000 member ensemble Second Video: Individual tracks and mean using 50 member ensemble
Nature Computational Science 在线发表的研究显示，大语言模型无论模型规模或数据规模如何，都无法从空间坐标中学习。专用几何神经网络在材料性质预测任务上持续优于语言模型。论文发表于 2026 年 10 月 12 日，DOI 为 10.1038/s43588-026-01045-2。
上海人工智能实验室推出决策模型书生·明决（Decision），含0.8B、2B、4B三档参数版本，将原生视觉感知与指令遵循结合，可在读取画面的同时输出结构化决策。
论文提出 RIVO，一个面向长程 Deep Research 智能体的轻量插件框架，把自适应重路由建模为状态条件下的轨迹纠偏问题。它用置信度、注意力收敛和证据注意力三个信号判断停止、验证、继续或重路由，触发后由 0.6B 插件对冻结 Host 的 logits 做稀疏低秩修正，Host 参数不更新。
arXiv 预印本提出 RIVO，一个不重训底层 Deep Research 模型的轻量插件框架，用置信度、注意力收敛和证据注意力三类信号判断当前研究轨迹应停止、验证、继续还是改道，触发改道时对冻结 Host 的 logit 做稀疏低秩修正。
Sakana AI 发布论文《Recursive Self-Improvement through Multi-Agent Self-Supervision》，提出 MASS 方法：一个共享模型通过虚拟子智能体团队解题，搜索更优的多智能体工作流，再用自身判断选出最佳方案，并把最佳团队的执行经验蒸馏回共享模型。
入选理由论文提出多智能体自监督方法，让同一模型在自改进循环中互相评估，研究者可据此判断自改进路线的可行边界。
西湖大学、浙江大学与快手等机构的研究者提出 Triage-PiEvo，把异常观测的用途拆成两条路径：异常可立即引导搜索，但只有经过独立验证的证据才能改写持久原则，被推翻的原则会被撤回。
研究团队提出 SciCurateBench，一个由 200 篇专家标注论文组成的基准，要求系统从原始文献、补充材料和托管数据中联合验证多项实验条件，例如是否为新生成的 scRNA-seq 数据且带免疫治疗响应结果。
西北工业大学陈福义团队在 Computational Materials Science 发表研究，用基于 DP-GEN 主动学习构建的深度学习势对 Pd309@Ag1106 核壳纳米团簇在 500 K 下进行 200 ps 分子动力学模拟，观察到八面体到二十面体的结构转变。
中科院计算所团队提出 JANUS 框架，用协同演化的世界模型把自主科研从生成-执行-反馈循环改为预测-验证-演化循环，在执行前对候选方案打分并剪枝。
Ai2 在 COLM 2026 展示了 Olmo Hybrid 研究，该架构将注意力与线性循环层结合，在 MMLU 上以少 49% 训练 token 达到 Olmo 3 7B 的同等准确率，并已用于正在预训练的新一代 Olmo 混合专家模型。