跳到正文
AI 科研动态

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。

534 条收录动态，更新于 03:33

#科研成果 ×清空筛选

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15日

星期四，4 条
  1. 科学发现数据与建模

    Data World：从零合成数据环境训练数据分析智能体

    研究团队提出 Data World，一个多智能体引擎，先指定文件背后的世界机制，再合成环境、任务与评分标准，用于训练数据分析智能体。引擎通过独立审计检查目标可从观测文件中恢复，评分标准用于评估和强化学习奖励；经人类偏好筛选出覆盖 50 个留出世界、16 个领域的 100 个任务构成 DataWorld-Bench，并从 1,037 个不相交世界生成 2,135 个训练任务。

    Hugging Face Daily Papers预印本未入选重要性 62
  2. 科学发现自主科研

    OneWM：统一因果训练下世界建模与动作建模能否互惠？

    研究团队提出 OneWM 统一因果训练框架，将动作同时作为世界预测的条件和策略学习的目标，在共享的视频-动作架构中训练。在 LIBERO、LIBERO-Plus 和 RoboCasa365 具身测试平台及真实世界策略实验中，学习指定动作的视觉后果提升了策略性能与跨场景泛化能力，动作学习也提升了多视角世界预测的保真度。结果表明，统一因果训练下世界建模与动作生成可相互受益。

    Hugging Face Daily Papers预印本未入选重要性 38

10月14日

星期三，1 条

10月16日

星期五，1 条

10月15日

星期四，1 条

10月16日

星期五，21 条
  2. 科学发现自主科研

    苹果公布 Minions 系统：聚合闲置 Mac GPU 组成虚拟 GPU 云

    苹果研究团队公布名为 Minions 的系统研究，尝试把闲置 Mac GPU 聚合成可动态调度的虚拟 GPU 云，用于运行大规模机器学习推理任务。系统由 Minion Server、PostgreSQL 元数据存储、运行在各台 macOS 设备上的 Minion Executor 和 Minion Watchdog 四部分组成，采用拉取式任务模型并避免多设备重复处理同一任务。

    IT之家厂商自述未入选重要性 57
  3. 科学发现

    脑类器官成功“读取”盲文信号，向生物混合计算迈出关键一步

    布里斯托大学团队让脑类器官通过多电极阵列接收盲文触觉信号，单个类器官约61%的情况下可被解码为对应字母，三个类器官组合时准确率提升至83%。类器官经处理后仍保留足够信息用于支持向量机分类，且在人工噪声下比直接解码更稳健。研究者强调实验仅证明信号可被接收与传递，尚未展示类器官的学习或长期变化，下一步将拓展至纹理、边缘等触觉任务及闭环反馈。

    Frontiers 新闻官方证据待确认未入选重要性 58
  4. 科学发现实验与仿真

    ORA 已在真实机器人上初步运行

    我们还把 ORA 搬上了一台真实机器人。 在低成本机械臂、固定 RGB-D 相机和腕部相机的初步运行中，DeepSeek-V4.1-Flash 通过旋钮打开了一个抽屉，并把一块糖果棒放进了盒子里。

    Hao AI Lab证据待确认未入选重要性 42
  5. 科学发现自主科研

    开放权重模型零样本能力几何

    开放权重模型零样本能走多远？ ORA：RoboTwin 上 69.2%；LIBERO-Pro 上 81.4%。 RPent（带任务特定记忆）：在 RoboTwin 上配合 GPT-5.5/Opus-4.7 分别为 62.4%/58.4%；在 LIBERO-Pro 上配合 Opus-4.7 为 82.4%。 相同案例，不同系统。https://github.com/RLinf/RPent

    Hao AI Lab开放代码未入选重要性 29
  6. 科学发现

    中国科学院揭示PKR串联dsRBD调控激酶激活机制，成果发表于PNAS

    中国科学院分子细胞科学卓越创新中心整合单分子荧光成像、人工智能结构预测与生化及细胞功能验证，揭示PKR的两个dsRBD通过分子内互作形成独特构象，以"扫描—捕获"模式识别dsRNA并驱动激酶激活。破坏dsRBD1-dsRBD2互作界面会在体外和细胞水平削弱PKR功能，该界面有望成为干预PKR异常激活的潜在药物靶点。相关成果在线发表于PNAS。

    中国科学院官方证据待确认未入选重要性 40
  8. 科学发现

    Claude 自主设计出更省资源的量子电路，八项任务均优于已发表方案

    Anthropic 用自然语言规格和自动评分器让 Claude 在闭环中设计量子电路，在化学、优化、量子模拟、数论和数值计算共八项任务上给出比已发表最优方案使用更少量子比特和门的新设计，部分提升达一个数量级以上。

    入选理由Anthropic 让 Claude 在闭环中自主设计量子电路，八项任务均优于已发表设计，为量子算法资源估算提供了可复用的自动化路径。

    Anthropic Research官方预印本重要性 78
  9. 科学发现自主科研

    Sakana AI 发布 The Agentic Scientist，用编码智能体做共同发现并开源

    Sakana AI 发布第三阶段系统 The Agentic Scientist，把 Codex、Claude Code 等现成编码智能体包进一套 scaffold，由它控制智能体看到什么、写什么、如何评估以及结果如何交给下一阶段，覆盖课题设定、假设探索、实验、验证到论文写作。

    引用Sakana AI@SakanaAILabs

    The Agentic Scientist: Orchestrating Coding Agents for Automated Scientific (Co-)Discovery Blog: https://pub.sakana.ai/agentic-scientist/ GitHub: https://github.com/SakanaAI/AI-Scientist-v3 arXiv: https://arxiv.org/abs/2610.18933 Since 2024, we’ve used The AI Scientist as a way to test how far AI alone can take scientific research, from v1 to v2 to the paper published in Nature earlier this year. The Agentic Scientist is the next step in that line of work, built for the era of coding agents. Coding agents such as Codex and Claude Code now carry out long software tasks on their own. Handing them a research problem, however, tends to produce a strong hyperparameter optimizer rather than a scientist: scores go up, but ideas stay narrow, and the reasons for the gain are rarely examined. The Agentic Scientist makes the research loop explicit. It wraps off-the-shelf coding agents in a scaffold that controls what they see, what they write, how they are evaluated, and how results are handed to the next stage. Parallel workers test hypotheses against rubrics defined before any experiment runs, share successes and failures through a common memory, and then ablate the winning program to generate evidence. We used an early version of the system to study Error Diffusion, a biologically motivated alternative to backpropagation. Our researchers set the question and the rubric, chose directions at each stage, and verified the results, references, and claims before submission. The resulting paper was accepted as an oral presentation at ALIFE 2026. In autonomous runs, the system also raised Doc-to-LoRA retrieval accuracy from 52% to 98% on multi-needle tasks and designed a learned evolution strategy that improves over its CMA-ES reference on unseen tasks. Alongside it we release AutoIllustrate, a pipeline for scientific figures that keeps an editable http://draw.io file as the source of truth, so every diagram can be corrected by hand. Humans define the question and the standards of evidence; agents expand the experiments researchers can run. We call this Co-Discovery, and we are releasing both systems as open source for the community to build on.

    入选理由Sakana AI 公开了把编码智能体组织成科研流程的开源框架，研究者可以据此判断人机分工的边界。

    Sakana AI预印本重要性 78
  12. 科学发现资助与评价、自主科研

    EvalResearchBench：AI 智能体能否自建评测反馈实现递归自我改进

    研究者提出 EvalResearchBench（ERB），用于考察 AI 智能体能否自主完成评测研究：给定目标材料、开发参考、候选 API 以及固定的时间和 API 预算，名为 researcher 的智能体会选择或合成任务、实现评分器，并在试点测试中修订后冻结成可执行评测器，覆盖编程、协作与推理。

    Hugging Face Daily Papers预印本未入选重要性 58
  16. 科学发现论文写作

    RAP：基于人类海报范例与声明式标记的论文转海报生成数据集

    RAP 是面向论文转海报生成的数据集与基准，含 2022 至 2026 年机器学习会议 25K+ 组经核验的论文-海报对，并设 150 篇测试论文的留出基准。其自动化反渲染流程将海报转为带可填充槽位的 HTML/CSS，使每个样本成为可通过渲染比对验证的论文-海报-标记三元组。基于该数据，无需训练的多智能体流程 PosterRAG 可检索范例并填充槽位，另有 SFT+RL 方案训练专用模型。

    Hugging Face Daily Papers可用产品未入选重要性 47
  18. 科学发现

    Gemini 4 Argon 登 ARC Prize 排行榜

    @Google - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Gemini 4 Argon 完整结果：https://arcprize.org/results/google-gemini-4-argon

    ARC Prize证据待确认未入选重要性 22
  19. 科学发现

    IsomorphicLabs 用 Gemini 4 Argon 加速药物研发

    在 @IsomorphicLabs，研究人员正将 Gemini 4 Argon 作为伙伴，加速药物发现与设计研究 🧬 Argon 能快速综合复杂的 PDF 和专利以提取相关信息，将通常耗时数周的过程缩短至仅数小时。

    Google证据待确认未入选重要性 42
  20. 科学发现自主科研

    Google 发布 Antigravity 智能体科研工作台，并内置 Biomolecular Structure Viewer

    Google 发布智能体开发平台 Google Antigravity，提供面向生物学家的智能体科研工作台，把原本分散在多个数据库的检索压缩到一次会话中，并借助 ProtNLM 扫描 UniProt 中数百万条功能未知的蛋白质序列。

    入选理由Google 把跨数据库检索、结构分析与文献综合放进一个智能体会话，研究者可据此判断这类工作台能否压缩抗菌肽早期筛选流程。

    Google DeepMind Blog官方证据待确认重要性 71
  21. 科学发现

    Magnetar 推动零知识证明主流化

    零知识证明无需重新运行工作负载或暴露敏感数据即可验证计算结果。Magnetar 通过支持标准编程语言、大幅速度提升和抗量子安全，帮助其走向主流：https://msft.it/6016atJb6

    Microsoft Research开放代码未入选重要性 18

10月15日

星期四，2 条
  2. 科学发现

    Google用Argon优化xTB量子化学软件包

    我们的研究人员还在 @Antigravity 中使用 Argon 来优化 xTB——这是最常被引用的开源量子化学软件包之一，用于预测分子的三维结构以及筛选药物和材料候选物。 他们使 xTB 在预测分子结构方面提速最高达 2.3 倍，在构象搜索方面提速 1.8 倍，并将这些改动贡献到了 GitHub 上的 xTB 官方代码仓库 → http://goo.gle/4s6dko0

    Google开放代码未入选重要性 47