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。
291 条收录动态，更新于 19:37
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。🧵👇
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。
Ecotone AI 创始人 eMalick Njie 在沙龙预读材料中指出，AI 已能预测蛋白复合物、从头设计抗体并评分人类基因组全部单碱基变异，但临床影响仍"令人失望地有限"。2026 年一篇综述称多数 AI 原研资产仍处临床前，逾 90% 进入试验的药物仍失败；有人类遗传学支持的靶点成功率约高 2.6 倍。Ecotone 押注因果遗传学，从罕见病入手，基因组计算成本低于 1 美元。
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。
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。
Google DeepMind 与 Chan Zuckerberg 的 Virtual Biology Initiative 建立合作，为改进预测性生物学模型构建所需的多模态数据集。
Biohub 与美国能源部（DOE）、美国国立卫生研究院（NIH）及新资助伙伴宣布扩展 Virtual Biology Initiative，合计投入 18 亿美元的资金、数据、算力和新测量技术，用于生成可训练预测性生物 AI 模型的开放数据资源。
入选理由这项近 20 亿美元的跨机构投入把开放生物数据的生成与标准化列为重点，研究者可据此判断未来可用的细胞数据资源从何而来。
AI for Science 社区公布秋季三场活动：10 月 14 日由 Ecotone.ai 的 Dr. eMalick Njie 主持“AI for Bio Founders”沙龙，讨论 AI 为何尚未治愈癌症；10 月 24-25 日与 Claude Community、BioKEA 合作在 Studio 45 举办面向生命科学的 Physical AI 硬件 Hack。
作者提出 MechHypoBench，用于评估 AI 智能体和 AI 科学家能否从实证数据生成机制假设，覆盖 14 个科学领域、包含 1798 万条记录的真实数据集，并配有可对照的底层机制。
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。
腾讯混元与复旦大学、清华大学的研究者发布 ExplorationBench，用于测量 AI 系统在未知规则环境中自主探索的能力，论文见 arXiv:2609.30199。
LinqAlpha 与 UNIST 等机构提出 FinAutoRubric，让专家只写一次可复用的评测指引，由智能体和代码按查询与信息截止日生成、复核并校验评分细则，失败时转人工。
上海AI实验室在2026浦江创新论坛人工智能赋能科学研究专题论坛上发布书生科学多模态大模型S2和书生物理世界模型W0，并开放书生·端砚科学发现平台全栈服务。
入选理由上海AI实验室把科学多模态模型、物理世界模型与端砚平台串成从假设到实验的闭环，研究者可据此判断哪些科研环节能交给AI。
Elicit 推出 Shared Projects，为团队提供持久保存相关会话、文件、来源、产物和既往工作的空间，使研究知识能随时间累积。不同成员可在各自会话中研究临床证据、竞争格局等不同主题，同时汇入同一共享知识库。该功能面向 Scale 和 Enterprise 机构开放，官方同时发布了产品博客。
K-Dense 的 K-Bench 预印本已上线 arXiv，在 178 项真实科研任务上测试了 9 个模型，均为开箱即用、不带智能体框架或技能。论文梳理了模型最常见的失败模式及其对研究的影响。K-Dense Web 新增 Amazon S3 与 Google Cloud Storage 数据连接器，可直接把自有存储桶中的文件导入研究会话。
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。
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。
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。
Biohub 与 UC Berkeley 研究团队在三篇论文中报告，激光相位板在单激光和双激光（xLPP）两种配置下都能在现代冷冻电镜中显著提升小蛋白成像对比度。
入选理由Biohub 与 UC Berkeley 用三篇论文报告激光相位板在真实冷冻电镜中提升小蛋白成像对比度，并已开放断层扫描数据。
ARIA 搭建了名为 Albert 的多智能体推理层，在物理、化学、生物等概念构成、但规律完全不同的虚拟环境中测试 AI 能否通过设计实验发现隐藏规则。Albert 由 Explorer、Theorist、Director、Technician、Chronicler 五个角色组成，并配有原始日志与知识库两套记忆机制。
Latent Space 上线 AI for Science 专栏，由 Melissa Du 提出分类框架，把 AI 科研模型分为擅长推理与文献综合的"科学家"（LLM）和直接从数据学习物理动态的"模拟器"（领域模型）。