上海AI实验室推出决策模型书生·明决，4B版七项评测平均90.02分
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。
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。
310 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。
10月12日
星期一，2 条RIVO：为 Deep Research 智能体提供轻量自适应改道插件
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。
10月10日
星期六，1 条深度学习势如何揭示 AgPd 纳米合金中的原子尺度位错形核
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。
10月9日
星期五，3 条alphaXiv OpenResearch v0.2.18 发布
alphaXiv OpenResearch 发布 v0.2.18，新增桌面应用安装方式，无需单独安装或终端配置，默认自动更新。该版本修复了 Claude Code 卡片显示原始 billingType 值、聊天线程外选中文字几乎不可见等问题，并改进远程运行与 OpenCode V2 执行失败提示。
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@TencentHunyuanNew 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。
K-Dense 更新：AI 信任议题、AI 科研助手播客与三款基于 Jev 的免费工具
K-Dense 发布三款基于 Jev 的免费免登录工具：Citation Telephone 可沿引用链追溯被引论文是否支持原句，Rigor Scan 对 PDF 执行 74 项报告规范检查且文件留在浏览器内，Claimscape 按研究设计与年份映射 PubMed 摘要。
10月7日
星期三，1 条alphaXiv OpenResearch v0.2.17 发布
alphaXiv OpenResearch 发布 v0.2.17，新增韩语和日语本地化，并改进 Windows 上 Git 与 OpenCode 的安装可靠性。该版本修复了 SSH 复用连接被拒后无法重连的问题，并让桌面应用在 Windows 双击 orx.exe 时启动。更新还调整了 CLI 用户引导、侧边栏项目折叠和更新等待机制。
10月6日
星期二，1 条alphaXiv OpenResearch v0.2.16 发布
alphaXiv OpenResearch 发布 v0.2.16，修复 SSH 复用因控制套接字失效而失败、连接空闲 10 分钟后断开的问题，并让智能体与终端共享已认证的 SSH 连接。该版本还支持 Windows 桌面版使用 alphaXiv 证书签名，并改进桌面标题栏与仪表盘的集成。
10月3日
星期六，2 条OpenAlex 为 4.19 亿条记录重做关键词，并接入默认检索
OpenAlex 为 4.19 亿条作品换上取自 188 万词表的新关键词，官方用 OpenAI 的 GPT-6 Astra 对 400 篇随机作品评测，称准确率为 91%，旧关键词为 44%。
入选理由OpenAlex 为 4.19 亿条记录重做关键词，并把它并入默认检索，研究者可据此判断跨语言、无摘要文献的检索覆盖变化。
alphaXiv OpenResearch v0.2.15 发布
alphaXiv OpenResearch 发布 v0.2.15，新增模型选择器中的 Agentic/Copilot 自主性控制，并加入针对进行中工作的 side chats（关闭或退出应用即删除）。该版本还让受速率限制的文献请求带明确等待提示重试，并修复自动更新后 orx up 空闲重启等问题。桌面应用可自动更新，远程服务器与计算集群可通过终端安装 ORX。
10月1日
星期四，1 条K-Dense 发布 LabMCP 等更新，支持用自然语言操作实验室仪器
K-Dense 发布开源 LabMCP，包含 32 个连接器和 411 个动作，让 AI 助手用自然语言操作天平、加热板、泵和探头；每个请求都会对照用户设定的安全限值检查，所有命令均被记录，并提供无需接入设备的练习模式。
入选理由材料给出了连接器数量、安全限制与日志机制，研究者可据此判断能否用自然语言驱动实验室仪器。
9月30日
星期三，2 条openresearch-cli v0.2.14 发布：修复 Claude Code 认证检测与运行边界
openresearch-cli 发布 v0.2.14，修复 Claude Code 经 Bedrock 认证时被误报为未登录的问题（#480），并明确上传 skill 与本地运行器的边界（#458）。
OpenAlex 上线按研究设计筛选功能，覆盖 RCT、系统综述与元分析
OpenAlex 现在支持按研究设计筛选全部文献，涵盖随机对照试验、系统综述、元分析等七种设计，共 2100 万篇作品带标签，覆盖所有领域和语言。OpenAlex 称其随机试验标签精确率为 99.7%，在同一批论文上高于 PubMed；其标注范围是每篇有摘要的作品，其中 30.6 万篇随机试验发表在 MEDLINE 未收录的期刊上。
入选理由OpenAlex 把研究设计标签扩展到全部文献并免费开放 API，做证据综合和循证检索的研究者可据此调整筛选流程。
9月29日
星期二，2 条alphaXiv OpenResearch 发布 openresearch-cli 0.2.13
alphaXiv OpenResearch 发布 openresearch-cli 0.2.13，提供 Apple Silicon macOS、Intel macOS、x64 Windows 及 ARM64/x64 MUSL Linux 预编译二进制包。用户可通过 shell 或 PowerShell 脚本安装，也可直接下载对应平台压缩包并核对校验和。
FinAutoRubric：专家引导的金融研究智能体评分细则自动生成框架
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。
9月26日
星期六，1 条K-Dense 发布开源 LabMCP：让 AI 助手通过 MCP 连接器操作实验室仪器
K-Dense 发布免费开源的 LabMCP，基于 Model Context Protocol 提供连接器，让 AI 助手用自然语言操作天平、加热搅拌器、pH 探头等实验室仪器。
入选理由原文说明了连接器覆盖的仪器范围、安全限制和全部连接器尚未在真实硬件上验证的状态，研究者可据此判断能否接入自己的实验台。
9月24日
星期四，1 条ABACUS 能做什么？用 DFT+U 与机器学习理论研究 TiO₂ 相稳定性
上海大学材料基因组工程研究院与计算机工程科学学院团队联合日本筑波大学，基于开源密度泛函理论软件 ABACUS（v3.9.0）结合 DFT+U 与机器学习，提出数据驱动策略寻找能同时匹配 TiO₂ 多性质实验结果的电子密度，成果发表于 Computational Materials Science。
9月21日
星期一，1 条上海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。
9月16日
星期三，1 条上海AI实验室发布书生科学多模态大模型S2与物理世界模型W0，并开放书生·端砚全栈服务
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。
9月1日
星期二，1 条ABACUS v3.9.0.26 起支持基于数值原子轨道的实时 TDDFT 异构加速
北京大学、中国科学技术大学、中科院物理所等团队在开源密度泛函软件 ABACUS 中实现了基于数值原子轨道（NAO）的实时含时密度泛函理论（RT-TDDFT）统一异构计算框架，相关功能已在 ABACUS v3.9.0.26 及后续版本正式发布，并配有 LCAO 基组中文教程。
8月23日
星期日，1 条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。
8月18日
星期二，1 条Worldwide Studios 100 天 AI for Science 奖学金项目演示回顾：Benchmate、自动化细胞培养实验室等五个项目
教育非营利机构 Worldwide Studios 举办的首期免费 100 天 AI for Science 奖学金项目完成演示，五位学员分别展示了 AI 实验室助手 Benchmate、DIY 自动细胞培养实验室、网球可穿戴视觉分析、智能体运行可观测层和罕见病 AI 药物发现平台。
8月12日
星期三，1 条FutureHouse PaperQA v2026.08.12 发布
FutureHouse PaperQA 发布 v2026.08.12，为原始 nemotron-parse 输出新增 NemotronParseBBox.to_original_coordinates，并修复 PyMuPDF 类型问题、清理 evidence-summary JSON 系统提示中的重复“words”。
8月3日
星期一，1 条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。
7月28日
星期二，1 条深度势能分子动力学研究 LiF-NaF-KF-ThF₄ 熔盐的微观结构与热物性
中国科学院宁波材料技术与工程研究所陶波副研究员团队联合华北电力大学等，在 Chemical Engineering Science 发表研究，用 DPGEN 主动学习结合深度势能分子动力学，系统模拟了 21 种 LiF-NaF-KF 配比下的 FLiNaKTh 四元熔盐体系。
7月21日
星期二，1 条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。
7月7日
星期二，1 条字节跳动发布 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。
6月30日
星期二，1 条Bohrium 科研 Skills v0.1.0 发布
深势科技发布 Bohrium 科研 Skills v0.1.0，新增专利检索、Wiki-Tools 技能与 bohrium skills CLI，并将 OpenAPI 网关接口由 v1 升级至 v2。
6月29日
星期一，1 条Meta 发布 Brain2Qwerty v2，无需手术即可从脑电波实时解码句子
Meta 发布 Brain2Qwerty v2，称这是目前性能最高的端到端流程，可从非侵入式脑记录中实时解码句子，接近此前只有需开颅手术的技术才能达到的准确率。
5月13日
星期三，1 条用强化学习训练递归语言模型：4B 模型在证据选择任务上接近 Claude Sonnet 4.6
alphaXiv 科研博客介绍用强化学习微调 4B 模型，使其成为原生递归语言模型（RLM）：父 RLM 与子 RLM 共享同一策略，子轨迹继承父轨迹的优势值，无需为子调用单独设计奖励。