alphaXiv 分享 marimo notebook 输出与代码
来看看我们 @marimo_io notebook 里的一些输出：https://molab.marimo.io/github/alphaXiv/flint-goalkeeper-neuron/blob/main/viewer/goalkeeper_direction.py 代码产物：https://github.com/alphaXiv/flint-goalkeeper-neuron
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。
391 条收录动态，更新于 17:43
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。
11月5日
星期四，4 条alphaXiv 在 OpenResearch 上支持用本地模型运行自动研究
alphaXiv 宣布可在 OpenResearch 上用本地模型运行自动研究（auto research），并给出 GitHub 项目地址 https://github.com/alphaXiv/OpenResearch。原文未说明支持哪些本地模型、具体研究任务范围与使用条件。
DeepSeek Harness 日活跃用户达 154 万、日消耗 Token 约 92 万亿，将建设官方插件市场
DeepSeek Harness 官方公布，截至 11 月 4 日，以使用官方 API 的用户为统计范围，其日活跃用户达 154 万，日消耗 Token 约 92 万亿。
ERNIE 5.5 Flash Base 发布
在此探索 ERNIE 5.5 Flash Base 👇 ERNIE 博客：https://ernie.baidu.com/release/ernie-5-5-flash-base/ Hugging Face：https://huggingface.co/baidu/ERNIE-5.5-Flash-Base
11月4日
星期三，2 条SciSpace 推出 MCP 服务器，在 ChatGPT 和 Claude 内检索 2.8 亿篇论文
SciSpace 发布 MCP 服务器，把 2.8 亿篇以上论文的语义检索、论文完整记录读取和字段抽取接入 ChatGPT 与 Claude，目前仅通过 ChatGPT 插件目录和 Claude 连接器目录提供，无需 SciSpace 账号。
入选理由SciSpace 把 2.8 亿篇论文的检索与字段抽取接入 ChatGPT 和 Claude，研究者可据此判断能否在现有对话式工作流里完成文献综述。
SciSpace 开放 Search 与 Task 两个 API 早期访问，可自动检索论文并生成带引用的综述报告
SciSpace 推出 Search 和 Task 两个 API 的早期访问，公开上线预计在数周后。
入选理由材料把检索与综述两类学术任务拆成两个 API，并给出早期定价和接入方式，研究者可据此判断能否嵌入自己的文献流程。
11月5日
星期四，6 条腾讯混元Hy4接入OpenClaw
来自@TencentHunyuan 的腾讯Hy4现已在OpenClaw中获得支持。 具备视觉能力、100万token上下文窗口，以及改进的编程和长程智能体能力。 可通过腾讯TokenHub、TokenPlan和@OpenRouter使用。 https://hy.tencent.ai/research/hy4
腾讯混元Hy4即将上线Chutes
Hy4 即将登陆 Chutes 🥳
引用Chutes@chutes_aiTencent Hy4 is coming to Chutes 🪂 We're partnering with Tencent Cloud to bring it to the same Chutes API you already use. Same key, new model ID More soon 👀
腾讯混元Hy4上线OpenClaw
现在你可以在 OpenClaw 中试用 Hy4 了。
引用OpenClaw🦞@openclawTencent Hy4 from @TencentHunyuan is now supported in OpenClaw. Vision, a 1M-token context window, and improved coding and long-horizon agent capabilities. Available through Tencent TokenHub, TokenPlan, and @OpenRouter. https://hy.tencent.ai/research/hy4
OpenBMB 介绍 MiniCPM-OCR 与 Jev 文档解析及可靠性校验组合
OpenBMB 转发并确认了 MiniCPM-OCR 与 MiniCPM-OCR Jev 的组合用法：前者以 1.3B 参数解析中英文扫描件、手机照片、倾斜页面和关键信息，后者对提取出的文本、公式和表格给出可靠性评分。Jev 只标记可能不可靠的输出，不自动纠正，也可用于校验其他 OCR 模型的输出；项目提供开放权重、微调支持，并兼容 llama.cpp、vLLM、SGLang 和 Ollama。
引用IMOLEAYOMIDE@Olaemmy1200OCR pipelines can be much more reliable when you add a verification model. Instead of trusting every extracted result, you can use a second model to check how accurate the output actually is. A good example is MiniCPM OCR from @OpenBMB and ModelBest. It combines a lightweight document parser with a separate model, MiniCPM OCR Jev, designed to evaluate OCR reliability. Here’s how it works: 1. Document parsing MiniCPM-OCR uses just 1.3B parameters to extract information from Chinese and English documents. It handles scanned documents, phone photos, curved pages, tilted inputs, and even key information extraction. 2. Output verification MiniCPM-OCR Jev evaluates the extracted text, formulas, and tables to estimate how reliable the results are. You can also use it to verify outputs from other OCR models, meaning you don’t have to replace your existing pipeline. Why does this matter for AI agents? Agents are increasingly working with PDFs, invoices, research papers, and other structured documents. But one incorrect number or poorly extracted table can affect every step that follows. A simple workflow would look like this: → Parse the document with MiniCPM-OCR. → Pass the extracted content to Jev for reliability scoring. → Route low-confidence results to a human reviewer or another correction step. One important distinction: Jev identifies potentially unreliable outputs. It doesn’t automatically correct them. The project also provides open weights, fine tuning support, and inference compatibility with llama.cpp, vLLM, SGLang, and Ollama. There are also integrations through Agent Skills. If you’re building document processing agents, this is worth testing. Especially on difficult inputs like dense tables, mathematical formulas, scanned pages, and low quality phone photos. The bigger idea: Don’t just build agents that extract information. Build pipelines that can also evaluate whether that information should be trusted.
alphaXiv 三步将 arXiv 论文转为文献综述
三步将 arXiv 论文变成文献综述 将你的 alphaXiv 文库关联到 OpenResearch，挑选几篇，点击“Add papers” 完全开源 👇
alphaXiv 推出 OpenResearch
来看看 OpenResearch：https://github.com/alphaXiv/OpenResearch 支持 macOS、Windows 和 Linux
11月4日
星期三，13 条Scite 更新 Collections 与 Assistant：支持上传研究文件并扩展至临床试验、专利和基金检索
Scite 发布 10 月更新，Collections 现在可存放论文与笔记之外的研究文件，支持 PDF、Word、Excel、PowerPoint、CSV、Markdown、HTML 和图片，单个文件上限 25 MB，共享 Collection 的同事可访问，公开链接不显示文件。
入选理由新版助手把检索范围从论文扩展到临床试验、药品标签、专利和基金，研究者可据此判断它能否覆盖自己的证据来源。
牛津大学出版社启动试点，将订阅学术内容接入 ChatGPT Edu
牛津大学出版社（OUP）与哈佛图书馆、宾夕法尼亚大学沃顿商学院和牛津大学合作，于 2026 年 10 月至 12 月开展试点，把机构已购买或订阅的 OUP 同行评审内容接入 ChatGPT Edu。
剑桥、约翰霍普金斯、普林斯顿大学出版社与 Cashmere 联合推出学术内容 MCP 网关 Meridian
剑桥大学出版社、约翰霍普金斯大学出版社和普林斯顿大学出版社宣布成为 Meridian 的创始出版商，该计划由 Cashmere 召集并担任初始运营方与平台提供方，是一个经大学出版社授权的学术内容 Model Context Protocol（MCP）网关，把图书馆的同行评审馆藏与研究者使用的 AI 工具连接起来。
腾讯混元Hy4发布，新增视觉能力
👋Hy4 来了，新增视觉能力。 稳居领先开源模型之列。 在各处都更高效：金融、前端、游戏、办公、科研…… 以负责任的方式构建，兼顾网络/生物安全。 试试看，告诉我们你的想法！ 🔗：https://hy.tencent.ai/research/hy4?langVersion=en
腾讯混元发布 Hy4 模型
推出 Hy4
引用Tencent Hy@TencentHunyuan👋Hy4 is here, new with vision. Firmly among the leading open models. More productive everywhere: finance, frontend, game, officework, research… Built responsibly, with cyber/biosecurity in mind. Try it out and let us know! 🔗：https://hy.tencent.ai/research/hy4?langVersion=en
alphaXiv OpenResearch v0.2.24 发布：新增俄语界面与 alphaXiv 登录
alphaXiv OpenResearch 发布 v0.2.24，新增俄语（ru）界面本地化，并支持用 alphaXiv 账号登录、让智能体调用其工具、在对话中选择文库论文。
Sakana AI 亮相 Gartner IT Symposium 展示三款模型
今日起 Gartner IT Symposium/Xpo™ 2026 开幕了🐡 Sakana AI 在展台展示 Sakana Marlin、Fugu、Namazu 的演示。 18:30 起还将在 IT Xpo 内举办交流招待会。欢迎莅临展台🚀 #GartnerSYM
MIT.nano 举办 2026 NEMO 用户会议，并展示开源平台 Hydra
MIT.nano 于 10 月 5–6 日主办 2026 NEMO 用户会议，65 名来自 25 家实验室和机构的代表参会，聚焦共享科研设施的管理与互联。
OpenAI 加速物理世界工程化
这些是早期的步骤，我们正在寻找工程师、工程公司和软件合作伙伴，共同塑造接下来的发展。 https://openai.com/index/accelerating-engineering-for-the-physical-world/
Google Antigravity 上线化学信息学技能，演示中 1 小时检索数千种化合物
谷歌 DeepMind 为 Google Antigravity 推出一套化学信息学技能，帮助科研人员完成药物发现中的文献检索、分子分析、模型构建和新分子设计。
Mistral的Le Chonk独家发布于alphaXiv
Mistral的Le Chonk独家发布于alphaXiv！
引用Mistral AI@MistralAIThe story of how Le Chonk was built, told by the team behind it. Now on @askalphaxiv : https://www.alphaxiv.org/abs/2611.mistral-large-4
Gemini API CLI 与 Skill 资源
Skill：https://github.com/google-gemini/gemini-skills/tree/main/skills/gemini-api-cli CLI：https://github.com/google-gemini/gemini-api-cli
11月3日
星期二，2 条Particle-1 上线 OpenClaw
Particle-1 已在 OpenClaw 上线。 @particle_api 报告称，在基准准确率相当的情况下，其输出 token 数比 DeepSeek V4.1 Flash 少约 45%。标准推理零数据保留。 如需试用，请更新至 OpenClaw v2026.10.10。 https://particle.ai/blog/introducing-particle-1
Ai2 推出 StateBench：测试语言模型如何追踪长文档中的状态变化
Ai2 推出 StateBench，一个用于评估语言模型长上下文状态追踪能力的基准，按变量赋值方式划分为 r-trivial、aperiodic、soluble 和 general finite 四个难度层级。
11月4日
星期三，3 条Ai2 发布 StateBench 基准与数据集，供研究者测试状态追踪模型
Ai2 发布 StateBench，供研究者测试新模型、扩展其工作并构建更好的状态追踪数据。数据集已在 Hugging Face 开放下载，详情见 Ai2 博客。
Mistral Large 4 加入 Open Math OS 模型阵容
Mistral Large 4 加入 Open Math OS 的模型阵容，具备 1.05T 开放权重和 1M 上下文，已向所有获批团队开放。Open Math OS 是数学家与 AI 智能体在共享项目中协作的研究工作台，只基于开放模型构建，社区可检查并运行这些模型，数据也由社区掌控。Mistral AI 称，阵容中更多开放前沿模型意味着每个团队有更多选择。
引用SAIR@SAIRfoundationNew on Open Math OS: Mistral Large 4 by @MistralAI. 1.05T open weights. 1M context window. Available now to all approved teams.
Google DeepMind 为 Antigravity 推出化学信息学 Skills，智能体一小时完成药物设计流程
Google DeepMind 为 Google Antigravity 推出 Cheminformatics Skills，把该平台变成面向计算化学家和实验化学家的科研工作台，Skills 基于 RDKit，并接入 ChEMBL 与 PubChem。
入选理由原文给出可复现的化学信息学工作流演示，研究者可据此判断智能体在药物设计前期能承担哪些具体任务。