全部动态

SAIL：面向文献研究与科学编程的35B开源科研智能体模型

研究团队发布 SAIL，一个总参数 35B、激活参数 3B 的开源模型，面向文献研究、科学编程和多步研究流程。该模型通过科学感知的改进循环开发：由前沿 AI 模型驱动的智能体分析其任务失败，并针对文献任务中的检索与证据选择、编程中的科学假设与推理、长流程研究中的规划与修订等能力缺口构造训练任务，再经监督微调、专项训练、多教师同策略蒸馏和智能体强化学习训练。

Sakana AI 提出以矛盾检测为核心的 LLM 辅助同行评审框架与基准

Sakana AI 团队在预印本中提出以验证为中心的 LLM 辅助同行评审视角，把错误检测作为评审的关键任务，并构建 Contradiction Benchmark：从 ACL、AISTATS、CVPR、ICML 2025 和 NeurIPS 2024 共 257 篇论文中合成插入矛盾，生成 1164 个评测点。

Anthropic 研究员用 Claude Science 生成首张完整紫外全天图

约翰斯·霍普金斯大学天体物理学家、Anthropic 研究员 Brice Ménard 与 Claude Science 合作，生成了首张完整的紫外波段全天图，其中约三分之一天空（包括银河系盘面大部分区域）此前从未被紫外望远镜观测，由模型预测补全。

入选理由一位天体物理学家用 Claude Science 编排智能体团队补全了缺失三分之一的紫外全天图，研究者可据此判断这类低优先级但有用的资源工作能否交给 AI 完成。

面向太阳能电池板分割的 AutoResearch 实验洞察

一项研究将 AutoResearch 协议用于光伏电池板分割：编码语言模型在一小时 GPU 预算内修改训练程序，仅当验证 IoU 提升才保留改动，架构固定为 DeepLabV3–ResNet-50。

研究者提出以科研制度组织上万自主科研智能体的 Society of Researchers

arXiv 预印本提出 Society of Researchers，把大量持久化科研智能体置于明确制度下：由项目负责人通过招标、独立评审和资助竞争有限算力，人类市长只分配资源、不指派任务。作者称已在 Research City 部署约一万名研究者，围绕改进语言模型预训练展开，其中一个实验室报告以约 30% 更少算力达到同等质量，但测试该结果的实验室尚未达成一致；论文称这些论文尚未经过外部评审。

Kernaut 用编码智能体自动发现核函数，在未见任务上迁移

预印本论文提出 Kernel Autoresearch（Kernaut），让编码智能体以程序形式编写核函数组件，由可信解释器按保正半定的构造契约组装，只有通过 Tier 2 校验的程序才进入质量-多样性存档。

AI 逼近唯一游戏猜想证明，研究者抢先冲刺

2026 年 9 月 11 日，MIT 教授 Dor Minzer 收到朋友短信，询问他是否即将解决理论计算机科学中最著名的开放问题之一。Minzer 是“唯一游戏”猜想领域的顶尖专家，起初以为这是玩笑，随后更多消息接连传来。

Ai2 的 Bolmo 字节级语言模型研究发表于 Nature，并开源新检查点

Ai2 宣布其 Bolmo 字节级语言模型研究已发表于 Nature，并在 Hugging Face 发布新检查点，把 byteifying 方法从 Olmo 扩展到其他模型家族。

入选理由Ai2 公开了把子词模型转换为字节级模型的 byteifying 流程与检查点，研究者可据此评估字节级路线能否替代固定词表方案。

DrugTargetWorld：可生成模拟生物样本库的 AI 科学家训练与评测框架

作者提出 DrugTargetWorld，一个程序化生成模拟生物样本库的框架，每个世界包含 54,000 名参与者的基因型、蛋白质、健康记录、结局和合成 MRI，因果结构对评测者已知但对智能体隐藏。

OpenAI 发布 AI×数学成果

AI×数学，太棒了。OpenAI 今天发布的东西太惊人了 🤯 要让物理科学领域的模型达到同等水准还有很多工作要做，但想想我们实现那一步时的种种可能吧。而且我们一定会实现。

Google 与 Northwestern、Jacaranda Health 合作研究：AI 解读盲扫超声可识别孕龄与胎位

Google 研究人员与 Northwestern Medicine、Jacaranda Health 合作，在肯尼亚内罗毕和芝加哥各招募 1000 名孕妇开展研究，训练医护人员执行简单的盲扫超声，并用机器学习模型分析视频，识别孕龄和胎位，准确率与受过训练的超声技师相当。

入选理由研究者可了解盲扫超声配合端侧 AI 模型在资源匮乏地区替代专业超声技师的一条可行路径。

TargetAgent：面向药物靶点识别的数学 AI 科研助手框架

美国佐治亚大学 Guo-Wei Wei 团队在 arXiv 预印本中提出 TargetAgent，一个把最优传输、张量分解、拓扑数据分析与 LLM 智能体解读串联起来、依次分析多批次空间转录组数据的 AI 科研助手框架。

Google 用地球 AI 人口动态基础模型 PDFM 支持全球公共卫生建模

Google 以 Earth AI 中的 Population Dynamics Foundation Model（PDFM）为概念验证，把搜索趋势、人口流动、建成环境密度和环境决定因素压缩为按月更新的位置嵌入，无需任务微调即可作为即插即用输入接入现有流行病学模型。

入选理由Google 公开 PDFM 位置嵌入在五类公共卫生任务中的合作评估结果，研究者可据此判断地理空间基础模型能否接入现有流行病学建模流程。

Google Earth AI 联合全球卫生伙伴发布公共卫生预测研究

Google 发布与全球卫生伙伴合作的多篇研究论文，展示 Google Earth AI 结合卫星影像、移动性数据与 AlphaEarth Foundations、Population Dynamics Foundation Model（PDFM）等基础模型，用于疾病暴发预测与社区健康趋势分析。

入选理由Google 把地理空间基础模型与人口动态模型接入公共卫生预测，研究者可据此判断这类模型能否用于疾病监测与资源调度。

Gan Jiang：面向粉末 X 射线衍射的自学习科学代理

香港科技大学（广州）、伦敦大学学院等团队提出自学习衍射分析代理 Gan Jiang，它把分析经验写成可执行技能，通过诊断失败、修改技能指令与代码并在复用前验证，在不重训语言模型、不改物理模型的前提下改进分析流程。

Fork-and-Flush：让自主科研智能体跳出思路盆地

微软研究院团队提出 fork-and-flush 干预方法，让自主科研智能体在保留已积累工作区的同时清空对话上下文，分叉出多条并行轨迹并保留得分最高的一条，以跳出作者所称的 idea basins。

SciKGExtract：面向材料文献的 schema 引导智能体抽取框架

TIB 莱布尼茨科学与技术信息中心的研究者提出 SciKGExtract，一个由 schema 引导的智能体框架，把大语言模型抽取、化学归一化、基于智能体的评估与修正串成流程，再接入知识图谱。

MMPostTrainBench：面向多模态后训练的自主科研基准

中国科学技术大学与阿里巴巴等机构提出 MMPostTrainBench，在图像、音频、视频、音视频联合理解及图像相关软件修复共八项任务上评估自主科研代理的多模态后训练能力。

MechHypoBench：首个评测 AI 科学家从观测数据生成机制假设的基准

研究提出 MechHypoBench，用于评测 AI 智能体和 AI 科学家能否从实证数据生成机制假设。该基准结合来自 14 个科学领域的论文机制与含 1798 万条记录的真实数据集，保留经验数据的观测复杂性并给出已知的底层机制，智能体分析观测后提出开放式假设，评测框架通过被隐藏条件下的推论来评估这些假设。

Long-MDR：面向多模态深度研究智能体的 128k 上下文长程强化学习训练配方

arXiv 预印本提出 Long-MDR，把多模态深度研究智能体的在线强化学习训练扩展到 128k 上下文和 75 轮以上工具交互，作者称这是首个在该上下文长度和 75 轮工具交互训练跨度下进行的在线多模态深度研究强化学习研究。

Long-MDR：面向多模态深度研究智能体的长上下文强化学习

Long-MDR 将多模态深度研究智能体的在线强化学习训练扩展到 128k 上下文和 75 轮以上工具交互，作者称这是首个在该上下文长度和工具轮数下训练的在线多模态深度研究 RL 研究。

AutoSciBench：自动生成并迭代加难的科学智能体评测基准

Genentech 与 KAIST 团队提出 AutoSciBench，用高层 concept 与低层 recipe 两级规划自动生成科学智能体评测任务，并依据求解器轨迹与评审反馈迭代修订，把任务推向原始数据复核、中间结果解读与多步证据整合。

EvoCast：面向迭代预测架构演化的自主研究智能体系统

arXiv 预印本提出 EvoCast，一个面向时间序列预测架构演化的全自主研究智能体系统，通过固定任务协议下的多轮研究循环，先建立并诊断任务专属基线，再生成有证据支撑的架构改进方向。

Meta 等机构提出 IdeaScientist：把科研构思拆成三个智能体并分别强化学习

Meta Reality Labs 与 FAIR 等机构的研究者提出 IdeaScientist，把科研构思拆成找研究空白、跨领域借鉴机制、撰写完整提案三个子智能体，用异步 GRPO 和分角色评分标准分别训练，并构建含 277 万条（问题定义、挑战、研究空白、直觉、提案）元组的 Svalbard Idea Vault 语料用于检索、训练和评估。

编辑推荐理由编辑推荐：直接服务科研构思与选题，作者已公开可运行框架代码和数据入口，研究者可自行部署验证。当前仍为预印本研究，效果主张来自作者评测。

FinNextAssist：面向专业金融深度研究的助手框架

南华理工大学、新加坡国立大学等机构提出 FinNextAssist，一个面向专业金融分析的端到端 Deep Research 框架，将研究流程拆分为 Task Planner、Evidence Compiler、Reasoning Engine 和 Report Assembler 四个阶段，并引入 TabAgent 与 HeteroAgent 两个轻量级子智能体。

UCLA 团队发布 Ansatz：用持续图记忆的数学研究智能体解出多个开放问题

UCLA 团队提出数学研究智能体 Ansatz，其核心是持续图记忆（Continual Graph Memory），用依赖图组织事实、计划与反例等中间结果，并支持跨问题复用经验。

入选理由数学研究智能体 Ansatz 用图记忆组织证明搜索，在十个基准问题上全部通过，并独立给出四个开放问题的完整解。

Google Project Suncatcher 原型卫星入轨，将测试 TPU 在太空环境下的表现

Google 与 Planet 合作研制的 Project Suncatcher 原型卫星搭乘 SpaceX Transporter-18 拼车任务入轨，团队已确认建立联系且卫星运行正常。未来数周将收集 TPU 在太空飞行物理应力以及辐射、极端温度下表现的在轨数据，相关同行评审论文已发表在 Joule。该项目是探索太空能否承载可扩展机器学习基础设施的长期研究计划的第一步。

Meta 等提出 MIRA 与 MIRA-AC，把长周期自主科研拆成显式选题决策

Meta AI、特拉维夫大学和哥伦比亚大学的研究者提出 MIRA，一种分层架构，把长周期科研拆成外循环元推理决策与内循环执行：外循环从持久研究记录中整理证据，产出工作指令或终止决策，内循环用 Codex 执行单次调查。

YouRA：面向可溯源自主科研智能体的持久状态架构

韩国电子通信研究院（ETRI）提出 YouRA（Your Research Agent），一种面向自主科研的持久状态架构，通过 Verification State Architecture（VSA）、Independent Controller 和 Stateful Reflection 三个组件保存研究状态、执行证据与失败历史。

牛津等团队提出 RAC：让 AI 科学家在运行时协调分工

牛津大学、KAUST、悉尼大学与剑桥大学的研究者提出 Runtime Agent Coordination（RAC），在 Agent Laboratory、EvoScientist 和 ARK 三个 AI 科学家系统执行过程中动态选择下一个智能体，并加入工作契约与基于产物的验证。