TAGHN：面向自动主题标引的文本注意力图重排序方法
针对自动主题标引中词表语义关系被扁平化多标签分类器忽略的问题，研究者提出 TAGHN——在检索候选描述符的文档子图上叠加叙词表邻域，用异构图重排序联合评估候选与文档的相似度及其邻域匹配度。
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。
531 条收录动态，更新于 23:10
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
星期四，27 条GRADS：图调控的智能体数据合成框架，实现可控难度的深度搜索任务生成
约翰斯·霍普金斯大学与亚马逊等机构研究者提出 GRADS，一个图引导的智能体数据合成框架，通过维护证据与推理依赖图，在种子选择、证据扩展、问答构建与验证的闭环中实现显式难度控制。
SciΠvot：用 248 例人类纠偏记录评测自主科研智能体的 PI 判断
马里兰大学等机构的研究者发布 SciΠvot，一个基于人类纠偏的 248 例科学判断基准，取材于资深研究者六个月内在 26 个、覆盖六个科学领域的项目上运行 LLM 智能体并反复干预纠正其研究判断的记录。
PremiseCheck：面向人类与 AI 审稿意见的高效事实核查框架
研究团队提出 PremiseCheck 框架，用于核查审稿意见中与论文不符的事实性错误：由 LLM 在不读论文的情况下把每条意见拆成显式前提，再由决策模型对照论文逐条验证，取最低分作为该意见得分。
ReviewPilot：面向系统综述筛查与数据抽取的多智能体系统
佛罗里达国际大学等机构的研究者提出对话式多智能体系统 ReviewPilot，覆盖系统综述的检索、筛查、全文获取、信息抽取与语义归类五个阶段，研究者可通过对话定制纳入排除标准与抽取字段，每条筛查决定附理由、每个抽取值附原文出处，项目记忆保留配置与修订。
Apple 提出 Selection-based Structured Reasoning（SSR）：面向高效多模态搜索智能体的结构化推理框架
Apple 研究者提出 Selection-based Structured Reasoning（SSR），把推理从开放式生成改为从预设自然语言候选推理中按似然选择，无需辅助任务头。在 2B 和 4B 模型、七个多模态搜索基准上，SSR 在多种强化学习目标和监督微调下保持任务表现，平均成功率与同规模领先搜索智能体相当，单轮推理延迟降低逾 90%，每题模型总推理延迟降低 28–54%。
HDOCK-Multimer：混合建模提升大型蛋白复合物结构预测
Nature Computational Science 在线发表的研究提出自动化框架 HDOCK-Multimer（HDM），将从头对接与组合组装结合，用于大型蛋白复合物的结构预测。
上海AI实验室许地生团队用书生-S2 人机协同证明三维Ghys猜想
上海人工智能实验室访问学者、大湾区大学教授许地生团队依托书生科学多模态大模型S2（书生-S2），通过人机协同完成困扰数学界30余年的三维Ghys猜想证明，论文已发布在预印本平台arXiv，形式化代码在GitHub公开。
入选理由材料完整呈现了人机协同证明数学猜想的流程与形式化验证环节，研究者可据此判断大模型在自身领域承担长程推导的可行边界。
Anthropic 用强化学习训练 LLM 对齐审计员
Anthropic 用强化学习训练 LLM 对齐审计员：在训练环境中，策略模型调查系统提示中被植入隐藏行为的目标模型。将 Haiku 4.5 在该环境上微调后，其在审计质量的留出评估上追平 Opus 4.6，并能迁移到不同 scaffold 下更难、经过微调的目标模型。
Leash Bio 发布 Minos 预印本与开放数据集，用 DEL 数据构建智能体科学推理沙盒
Leash Bio 的 Ian Quigley 在 Latent Space 播客中介绍，团队把过去几年积累的 DNA 编码库（DEL）数据转化为数万个 lab-in-the-loop 模拟，供智能体做可验证的科学推理，这一想法已发展为 Minos，并发布预印本、博客和开放数据集。
MPT：让去中心化智能体群体联合学习动作与自组织协调
研究提出基于市场的后训练框架 MPT，让去中心化智能体群体通过出价决定谁参与行动，并据此获得局部训练信号，从而在不设中心协调者的情况下联合学习动作策略与自组织协调。
稀疏自编码器中的表征重分配：RSS 评分识别可复现的特征响应变化
研究提出重分配敏感度评分（RSS），用于识别在提示变换下方向一致、可复现的大幅特征响应，并在未参与筛选的变体上验证。在覆盖 8 个语言模型的 27 个预训练稀疏自编码器（SAE）上，测试的提示变换产生了可复现的重分配特征。
视觉生成能否扩展统一多模态模型的知识边界？
研究提出 Knowledge Transfer Probing（KTP）协议，通过图像生成训练注入新知识，再用纯文本问答检验其可及性。在七个知识类别和三个统一多模态模型上，视觉监督到语言的迁移直接但不均衡；引入 Textual Alignment 与 Interleaved Image–Text Alignment 后，对部分实体的引导可在无问答监督下改善其他实体的知识调用。
PremiseCheck 提出审稿意见事实核查框架，并发布 ReviewFact 基准
研究团队提出 PremiseCheck 框架，用于核查人类或 AI 撰写的审稿意见是否误述论文内容：先由 LLM 在不读论文的情况下把每条意见改写成明确前提，再由决策模型逐条对照论文核查。
SABER 基准揭示视觉语言模型属性-对象绑定失败，合成文本微调可改善检索
研究团队提出 SABER，一个覆盖全部四种图文模态配对、包含最多十个对象场景的受控基准，用于评测属性-对象绑定；结果显示 CLIP 类双编码器和近期基于 MLLM 的嵌入模型都出现明显绑定失败。
思考如何让推理模型解读“some”与“or”：Entertain, then Cancel
研究在固定模型权重、仅改变思考长度的条件下，考察推理模型对“some”（非全部）和“or”（非两者）等逻辑词日常含义的解读。思考使多数被测开源推理模型和 GPT-5 按逻辑本义解读，取消这些会话含义，而间接回答等依赖上下文的推断则有所改善；推理轨迹显示模型先采纳丰富解读、随后再将其取消。
3DCodeVerse：将 3D 世界作为代码探索
研究团队推出 3DCodeVerse 研究生态，让编程智能体大规模生成可编辑、可验证的 3D 内容，包含 3DCodeVerse-2M 可执行 3D 代码数据集、用于空间推理与自动验证的 3DCodeVerse Harness 多智能体 DAG 框架，以及 3D 编程实践指南。
LLM-Attacker：面向拆分式与分布式 LLM 系统隐私评估的统一红队框架
LLM-Attacker 是一个统一红队框架，用于记录、比较和扩展拆分式与分布式 LLM 系统的隐私评估，兼容攻击可复用已记录消息并保存预测以供独立评分。
ACT3D：用结果奖励让视觉语言模型学会在 3D 环境中主动探索
研究团队提出 ACT3D，让视觉语言模型保持单张图像的原始视觉输入，把 3D 表示当作可交互环境，模型通过移动、转向等动作获取新视角后再作答。方法先做轨迹监督微调，再用以最终答案正确性为主要奖励的强化学习训练，不对访问哪些视角或采取哪些动作提供直接监督。
Lexical Reference Frames：用模型原生语义解读语言模型残差流
研究者提出 Lexical Reference Frames，通过模型自身剩余层读取隐藏状态，使其可按模型原生语义解读。在 SmolLM3-3B 和 OLMo3-7B 中层深度，一阶框架 LexFrame[1] 的相干度达 0.97，而固定方向透镜最高仅 0.30 和 0.35，读取结果与模型输出相差 0.16 nats 以内。
Meta 用 AI 辅助医学专家产出 10 篇研究稿件，覆盖心脏病学与肿瘤学等
Meta 表示其构建了一套由人类主导的研究框架，由 Muse Spark 1.3 与 Muse Wonder 驱动，可访问 500 万份回顾性去标识电子健康记录及公开数据。一组医学专家用该系统开展原创研究，在假设生成、代码执行和稿件撰写上提速，同时保留对科学决策的全部决定权。Meta 此次公开了由此产出的 10 篇研究稿件，涵盖心脏病学、肿瘤学、传染病、急诊医学等方向，详情见其研究博客。
研究者用 AI 设计可切割特定蛋白的蛋白酶
研究者利用 AI 蛋白设计工具，保留两类蛋白酶催化核心并替换蛋白其余部分，设计出可定向将特定蛋白切成两半的酶。他们通过切割与神经疾病相关的蛋白验证了这些酶的效果。原文提到，肽键本身半衰期估计达数百年，而生物体演化出的蛋白酶能快速将其打断，这项工作相当于绕过了蛋白酶的自然多样化过程。
华为等提出 SwarmRSI：让科学智能体群体通过共享研究状态递归自我改进
华为、Leiden University 等机构的研究者提出 SwarmRSI 框架，让科学智能体群体通过演化彼此继承的研究状态（假设、程序与实验证据）实现递归自我改进，代码已在 GitHub 公开。
SwarmRSI 框架让科学智能体群体递归自我改进
作者提出 SwarmRSI 框架，通过 Feedback-Guided Swarm Mutation 和 Complementary Swarm Recombination 两个机制，让科学智能体群体利用彼此的实验反馈修正假设与实现，并把保留的假设和互补程序组件复用到新研究中。
Google 在 Research@ 2026 发布多项科研 AI 能力，Deep Review 公开上线
Google 在 Research@ 2026 活动上公布多项面向科研的 AI 能力，其中 Deep Review 在 STOC、ICML、NeurIPS、ICLR 的 15000 余份投稿中完成部署后正式公开上线。
入选理由Deep Review 已在 STOC、ICML、NeurIPS、ICLR 的 15000 余份投稿中试用后公开，审稿人和会议组织者可据此判断它能否进入评审流程。
Google 发布地理空间推理智能体技术报告，并开放 Earth AI 早期访问
Google 公布地理空间推理智能体的技术报告，在 CBGB、UnivEARTH 及新发布的 GeoExpertQueries、GeoKTools 四个基准上比较了四种配置，结果显示接入 Earth AI 专用工具后定量空间任务得分明显提升，而开放式问题还需要前置规划。
入选理由Google 公开了地理空间推理智能体的技术报告与两个新基准，并给出 WHO 等机构的早期实测，研究者可据此判断这类地球科学智能体能否接入自己的空间分析流程。
10月14日
星期三，3 条微软概率偏差校正提升延伸天气预报
天气预报在两周之后便不可靠，给农民和其他人留下了关键空白。概率偏差校正（Probabilistic Bias Correction）改进了延伸期预报，在全球竞赛中拔得头筹，并展现出在实际应用中大有可为：https://msft.it/6013aseY9 图片来源：科罗拉多州立大学大气研究合作研究所与美国国家海洋和大气管理局（CSU/CIRA & NOAA）
MIT 团队用机器学习后处理将两到六周天气预报准确率提高一倍
MIT 等机构的研究团队开发了一种机器学习后处理层，通过学习历史数据修正现有预报模型的误差，在两周到六周的次季节预报中把黄金标准模型的预测能力提高了一倍，并首次在该时间尺度上超过气候平均值。相关论文发表在 Nature，该方法在 ECMWF 的预报竞赛中获第一名，对极端天气的预测也有统计显著提升。该模型是开源、低成本的附加组件，可搭配任意预报模型使用，肯尼亚气象部门已联系希望用于改进季风预报。
入选理由研究团队用后处理层修正现有预报模型误差，把两周到六周的次季节预报准确率提高一倍，并开源低成本，能源与农业用户可据此评估部署可能。
Euler：面向人类理解的多智能体数学发现系统
作者提出 Euler，一个以共享结构化研究状态为核心的多智能体数学发现系统，记录精确命题与假设、命题间依赖、备选证明路线、失败尝试及每条结论的证据，供研究者和智能体共同使用。