跳到正文

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。

95 条入选报道,更新于 00:00

10月13日

星期二,1 条
  1. 微软研究院发布 StudentSim:用个性化学生模拟器为 AI 导师提供训练反馈

    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。

    Microsoft Research Blog官方证据待确认重要性 62

10月11日

星期日,1 条
  1. Sakana AI 提出 MASS:多智能体自监督实现递归自我改进

    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。

    Sakana AI官方预印本重要性 60

10月9日

星期五,2 条
  1. 腾讯混元联合复旦、清华发布 ExplorationBench,评测 AI 自主探索与规则发现能力

    腾讯混元、复旦大学与清华大学的研究者发布 ExplorationBench,用于衡量 AI 系统自主探索规则的能力,并构建了规则可执行、答案可精确校验的 Alien Worlds 环境。该基准包含 AlienCode(31 处隐藏规则改动、70 个任务)和 AlienLogic(24 条修补后的推理规则、70 个定理),每个答案由解释器或证明检查器评分,不使用 LLM 评判。在 10 个前沿 AI 系统上的测试显示,获得反馈比单纯思考更有效,AlienCode 中最佳系统经四轮探测从不超过 15.7% 提升到 89.0%,而同样轮次无反馈仅 0.5–11.0%;同一系统在同一预算下得分可在 5.7% 到 79.0% 之间波动。论文见 arXiv:2609.30199,代码即将开放。

    引用Tencent Hy@TencentHunyuan

    New Research: We are releasing ExplorationBench, a benchmark for measuring how AI systems explore. Scientific discovery begins where known problems end: a system has to frame hypotheses, design experiments, and learn from the results. Evaluating this is hard. Genuinely new answers cannot be checked quickly, and in familiar domains a model can simply recall what it has seen. Addressing this challenge, researchers from Tencent Hy, Fudan University, and Tsinghua University built verifiable Alien Worlds. Their rules are executable, so every answer is checked exactly, and they conflict with familiar knowledge, so recall alone cannot solve the tasks. 🔹 Two sandboxes: AlienCode (31 hidden rule changes, 70 tasks) and AlienLogic (24 patched inference rules, 70 theorems) 🔹 A flawed manual, four rounds of self-designed probes, and closed-book tests after every round 🔹 Every answer graded by an interpreter or a proof checker, with no LLM judge What we found across 10 frontier AI systems: 1️⃣ Getting feedback is more effective than thinking alone. No AlienCode run starts above 15.7%; after four rounds the best reaches 89.0%, while the same turns without feedback stay at 0.5–11.0%. 2️⃣ Designing the experiments matters. Replaying a system's own best probes gives it exactly the same evidence, yet in AlienCode 9 of 10 systems do worse than when they chose the probes themselves. 3️⃣ Knowing a rule is not using it. Even when every required rule is stated correctly, tasks are solved only 73.4% of the time. 4️⃣ One score hides a lot. The same system under the same budget ended anywhere from 5.7% to 79.0%, and rankings barely transfer between the two worlds. CL-bench asked whether models can learn from context. ExplorationBench asks whether they can discover the rules themselves. 📄 Paper: https://arxiv.org/abs/2609.30199 🌐 Website & leaderboard: https://explorationbench.com 📝 Blog: https://explorationbench.com/blog/ 💻 Code (coming soon): https://github.com/Tencent-Hunyuan/ExplorationBench

    入选理由腾讯混元联合复旦、清华发布可验证基准,用规则可执行的外星世界考察 AI 能否自主发现规则,而非依赖记忆。

    腾讯混元预印本重要性 67
  2. Google 与 BIDMC 在 The Lancet 发表 AMIE 临床研究

    Google 与 Beth Israel Deaconess Medical Center(BIDMC)在 The Lancet 发表研究,在 BIDMC 门诊初级保健诊所让 98 名患者在紧急就诊前先咨询诊断 AI 聊天机器人 AMIE。

    入选理由Google 与 BIDMC 在真实门诊场景中测试诊断 AI 的初步结果,为研究者评估患者端 AI 的安全边界提供参考。

    Google Blog · Health官方证据待确认重要性 66

10月8日

星期四,1 条
  1. 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。

    Anthropic Research官方证据待确认重要性 71

10月7日

星期三,2 条
  1. 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。

    Ai2 / Allen Institute for AI官方预印本重要性 62
  2. 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。

    Google Blog · Research官方证据待确认重要性 62

10月6日

星期二,2 条
  1. 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 Research Blog官方证据待确认重要性 62
  2. 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。

    Google Blog · Health官方预印本重要性 62

10月3日

星期六,1 条
  1. 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。

    arXiv 科研构思与自主科研代理预印本编辑推荐重要性 71

10月2日

星期五,1 条
  1. 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。

    arXiv 科研构思与自主科研代理证据待确认重要性 88

10月1日

星期四,2 条
  1. Google AI 流感预测模型在 CDC 2025-26 季评中排名第一

    美国 CDC 本周公布的 2025-26 流感季赛后分析显示,在 39 个合格模型中,Google 用 AI 构建的流感预测模型对流感相关住院人数的预测最接近实际观测值。

    入选理由CDC 对 2025-26 流感季的赛后评估显示,Google 的 AI 模型在 39 个合格模型中预测住院人数最准,研究者可据此了解 AI 生成优化算法在真实公共卫生预测中的位置。

    Google Blog · Research官方厂商自述重要性 70
  2. Google DeepMind 发布 Gemini 4 Argon,输出上限提至 100 万 token

    Google DeepMind 发布前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络防御方开放,随后逐步扩展到开发者、企业和消费者,起步价为每百万输入 token 2 美元、每百万输出 token 10 美元。

    入选理由Gemini 4 Argon 把长程推理和百万级输出用于代码迁移、漏洞发现与科研优化,研究者可据此判断它在自身工作流中的位置。

    Google DeepMind Blog官方厂商自述重要性 60

9月29日

星期二,1 条
  1. 微软研究院发布生物学 AI 研究系统 Quine,并开放 Quine Fellows 计划申请

    微软研究院发布 Quine,一个面向生物学复杂性的 AI 研究系统,由生物学世界模型和连接模型、科学工具、文献与研究者的交互式 harness 两部分组成。

    入选理由微软研究院公开了面向生物学的多模态世界模型 Quine,并给出胰腺癌细胞状态预测经湿实验验证的案例,研究者可据此判断这类系统在实验设计中的可用边界。

    Microsoft Research Blog官方证据待确认重要性 74

9月25日

星期五,2 条
  1. Claude 在 Claude Science 中自主算出 N=4 超杨-米尔斯九圈散射振幅

    物理学者 Matt von Hippel 记录,Anthropic 的 Liam Fitzpatrick 和 Siddharth Mishra-Sharma 使用 Fable 5.1 在付费科研平台 Claude Science 中。

    入选理由一位理论物理学者记录了 Claude 在付费科研平台上自主完成九圈散射振幅计算并被专家验证的过程,可供研究者判断 AI 在具体计算任务中的边界。

    Anthropic Research官方厂商自述重要性 80
  2. Lila Sciences 的 AI 闭环实验室发现钯基 OER 催化剂,性能接近钌

    Lila Sciences 团队用 AI 驱动的闭环实验室(AI Science Factory)在酸性析氧反应(OER)中筛选出钯基催化剂,其最优组成的活性与稳定性可与钌相当,相关细节已写入一篇预印本。

    入选理由AI 闭环实验室在数月内找到被领域视为死路的钯基 OER 催化剂,研究者可据此判断自动化实验平台在材料发现中的实际位置。

    LILA官方预印本重要性 62

9月24日

星期四,1 条
  1. Anthropic 称 Claude 自主发现具 CRISPR 样重复序列的新型酶系统 ART

    Anthropic 成立生命科学研究组与实验室,并公布早期结果:Claude 智能体在仅由科学家给出初始提示的情况下,从 DNA 序列数据库中自主发现了一种与重复序列阵列相关的新型酶系统,命名为 array-associated reverse transcriptases(ART)。

    入选理由Anthropic 用约 950 个 Claude 智能体在 21 小时内筛出候选系统,研究者可据此判断 AI 驱动假设生成在基因组挖掘中的实际位置。

    Anthropic News官方预印本重要性 74

9月22日

星期二,2 条
  1. Weco AI 提出 AIDE2:AI 研究智能体通过递归自我改进提升研究效率

    Weco AI 团队在 arXiv 发布预印本,提出递归自我改进系统 AIDE2,让 AI 研究智能体改写自身 harness 代码,并在隐藏评测上保留表现最好的版本。

    入选理由论文给出 AI 研究智能体改写自身代码并迁移到未见任务的实测流程,研究者可据此判断自主科研代理的自我改进边界。

    arXiv 科研构思与自主科研代理厂商自述重要性 78
  2. Amazon Bio Discovery 发布三篇抗体设计研究,含经实验验证的纳米抗体发现

    Amazon Bio Discovery 团队发布三篇抗体设计研究,分别针对结合强度排序、可开发性预测和端到端设计。其中 MochiBind 仅用序列预测抗体相对结合强度,在四个未见抗原上成对准确率均高于结构基线,平均领先近 10%,在 CPU 上约 13 秒可打分 20 万对抗体。

    入选理由Amazon Bio Discovery 团队公开三篇抗体设计研究,含一篇经实验验证的纳米抗体发现,研究者可据此了解计算设计加湿实验闭环的完整流程。

    Amazon Science官方厂商自述重要性 78

9月21日

星期一,2 条
  1. 微软在 Nature 发表逆合成模型 RetroChimera,并开源权重

    微软研究院在 Nature 发表逆合成预测框架 RetroChimera,它把基于 Transformer 的 R-SMILES 2 与基于图神经网络的 NeuralLoc 两个子模型的排序结果用学习式集成策略合并,在常见与罕见反应类别上均表现较强。

    入选理由RetroChimera 已开源并上线 Microsoft Foundry,化学与药物研究者可据此评估它能否接入现有的逆合成路线设计流程。

    Microsoft Research Blog官方证据待确认重要性 80
  2. 上海AI实验室发布开源科学基础大模型书生-S2,科学任务评测领先并即将接入书生·端砚平台

    上海AI实验室在2026浦江创新论坛上发布书生多模态大模型S2(书生-S2),称其在知识、代码、智能体等通用能力上处于开源模型第一梯队,在Biology-Instructions。

    入选理由上海AI实验室公开了书生-S2的权重与体验入口,并说明其可插拔专业记忆如何在不重训基座的情况下扩展学科能力,研究者可据此判断能否用于长程科研任务。

    上海人工智能实验室·科研动态官方可用产品重要性 75

9月15日

星期二,2 条
  1. Periodic Labs 发布材料分析模型 Periodic Neon,XRD 解析成功率 55.3%

    Periodic Labs 用自家实验室数据训练出 Periodic Neon,在其内部最难评测集 FrontierXRD 上成功率为 55.3%,高于 GPT-6 Astra 和 Claude Fable 5.1,且单次分析成本更低。

    入选理由材料给出自建 XRD 评测集与专家标注的一致性数据,研究者可据此判断实验室自训模型能否接手耗时的物相分析。

    Periodic Labs官方厂商自述重要性 62
  2. Periodic Labs 用自建高通量实验室数据训练万亿参数模型 Periodic Neon

    Periodic Labs 介绍其自建高通量实验室与大规模物理模拟基础设施,并用实验室数据通过 midtraining 和强化学习训练出万亿参数模型 Periodic Neon,称其在衍射分析任务上表现优于 Claude Fable 5.1 和 GPT-6 Astra。

    入选理由材料给出实验室自训科学模型在衍射分析上的定位与数据闭环思路,可供材料与自动化实验室方向的研究者参考。

    Periodic Labs官方厂商自述重要性 62

9月1日

星期二,1 条
  1. 华东师大团队提出 ESPratio 描述符,结合 Uni-Mol 从百万分子中筛出 353 个电解液候选

    华东师范大学潘丽坤、王成龙团队联合暨南大学李金亮团队等,在 Angewandte Chemie International Edition 发表研究,提出定量静电势比值描述符 ESPratio(|ESPmin|/ESPmax),并据此确定溶剂化调控区间 0.9 < ESPratio < 2.4。

    入选理由研究给出可量化的溶剂描述符与筛选区间,并用实验验证候选分子,为电解液设计提供可复用的筛选流程。

    DeepModeling 开源社区官方同行评审重要性 62

8月26日

星期三,1 条
  1. Biohub 用 AI 建模肿瘤细胞状态,预测 DMG 联合用药使小鼠生存期翻倍

    Biohub 与哥伦比亚大学等机构合作,用 ARACNe、VIPER/metaVIPER 等 AI 算法从单细胞 RNA 测序数据中识别肿瘤细胞状态的 Master Regulators,发现同一癌种的患者共享几乎相同的细胞状态集合:胰腺癌为 6 种,DMG 为 7 种。

    入选理由两篇 Nature Genetics 论文显示,AI 预测的跨细胞状态联合用药在小鼠模型中把 DMG 生存期提高一倍,团队正筹建临床试验。

    Biohub 科研新闻与博客官方同行评审重要性 80

8月23日

星期日,1 条
  1. OpenLAM 团队发布 DPA4 与 DPA4C 通用机器学习势,单卡可模拟 1405 万原子

    OpenLAM 团队联合北京大学、DP Technology 和北京应用物理与计算数学研究所发布 DPA4 系列进展:DPA4 面向高精度路线,公开 OMat24 无机材料与 OMol25 复杂分子的预训练模型。

    入选理由材料给出 DPA4C 在完整分子动力学基准上的吞吐与精度对比,材料计算研究者可据此判断它能否替代经验势做百纳米级模拟。

    DeepModeling 开源社区官方预印本重要性 78

8月3日

星期一,1 条
  1. Qwen 发布 Qwen3.8-Max:2.4 万亿参数,主打长周期自主科研与工程任务

    Qwen 团队发布 Qwen3.8-Max,称其为 Qwen 系列迄今最强模型,参数规模 2.4 万亿(95B 激活),已通过 QwenCloud 提供 API,权重将于下周在 Hugging Face 和 ModelScope 开源。

    入选理由材料展示了模型在论文复现与改进、量化因子挖掘、芯片设计等长周期科研任务上的自主执行过程,研究者可据此判断其能否介入自己的实验与计算流程。

    Qwen Research官方厂商自述重要性 60

7月21日

星期二,1 条
  1. Meta 开源模型 SAM 3 与 DINOv3 支撑美国能源部 Genesis Mission 项目 SYNAPS-I 的光束线图像分割

    Meta 介绍其开源视觉模型 SAM 3 与 DINOv3 被用于美国能源部 Genesis Mission 旗舰项目 SYNAPS-I 的图像分割流程,该项目由 Berkeley Lab 牵头,联合 Argonne、Brookhaven、Oak Ridge 和 SLAC 国家实验室。

    入选理由材料说明开放权重视觉模型如何被实验室微调后接入光束线数据处理,研究者可据此判断这类模型能否迁移到自己的成像分析流程。

    Meta AI Blog官方厂商自述重要性 72

7月8日

星期三,1 条
  1. Biohub 用全基因组 CRISPR 筛选结合 AI 发现银屑病新药靶点

    Biohub 团队对原代人成年皮肤细胞开展全基因组 CRISPR 筛选,并用基于已发表文献训练的大语言模型 VirtualCRISPR 找出文献中未被关注的命中基因,相关结果发表于 Nature Communications。

    入选理由研究者可看到 AI 如何从全基因组 CRISPR 筛选中筛出文献未关注的靶点,并据此设计局部外用候选药物。

    Biohub 科研新闻与博客官方证据待确认重要性 60

7月7日

星期二,1 条
  1. 字节跳动发布 EdgeBench 基准,测量智能体真实环境学习并提出新缩放规律

    字节跳动 Seed 发布 EdgeBench,一个面向真实环境学习的超长时程基准,包含 134 项任务、覆盖科学问题与机器学习、系统与软件工程、专业知识工作、组合优化、形式数学与定理证明、交互游戏与模拟器六个领域,每项任务支持至少 12 小时连续运行。

    入选理由字节跳动开源 51 项超长时程任务与评测框架,研究者可据此评估智能体在真实环境中持续学习的能力。

    ByteDance Seed官方可用产品重要性 60