全部动态

DrugTargetWorld：可生成模拟生物样本库的 AI 科学家训练与评测框架

作者提出 DrugTargetWorld，一个程序化生成模拟生物样本库的框架，每个世界包含 54,000 名参与者的基因型、蛋白质、健康记录、结局和合成 MRI，因果结构对评测者已知但对智能体隐藏。

TargetAgent：面向药物靶点识别的数学 AI 科研助手框架

美国佐治亚大学 Guo-Wei Wei 团队在 arXiv 预印本中提出 TargetAgent，一个把最优传输、张量分解、拓扑数据分析与 LLM 智能体解读串联起来、依次分析多批次空间转录组数据的 AI 科研助手框架。

Gan Jiang：面向粉末 X 射线衍射的自学习科学代理

香港科技大学（广州）、伦敦大学学院等团队提出自学习衍射分析代理 Gan Jiang，它把分析经验写成可执行技能，通过诊断失败、修改技能指令与代码并在复用前验证，在不重训语言模型、不改物理模型的前提下改进分析流程。

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。

Fork-and-Flush：让自主科研智能体跳出思路盆地

微软研究院团队提出 fork-and-flush 干预方法，让自主科研智能体在保留已积累工作区的同时清空对话上下文，分叉出多条并行轨迹并保留得分最高的一条，以跳出作者所称的 idea basins。

Import AI 475：群体扩展、Google DeepMind 为生物数据加水印与 AI 科学经济

Import AI 475 讨论了 AI 群体（swarm）扩展的收益与代价：Toby Ord 分析认为 4 智能体群体完成同等任务所需 token 总量约为单智能体的两倍，但因并行运行理论上可将耗时减半，同时群体规模扩大存在类似经济学的“踩脚”递减效应。

AI for Science 社区秋季活动：生物创始人沙龙、Claude 社区生命科学 Hack 与旧金山峰会

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。

MMPostTrainBench：面向多模态后训练的自主科研基准

中国科学技术大学与阿里巴巴等机构提出 MMPostTrainBench，在图像、音频、视频、音视频联合理解及图像相关软件修复共八项任务上评估自主科研代理的多模态后训练能力。

MechHypoBench：首个评测 AI 科学家从观测数据生成机制假设的基准

研究提出 MechHypoBench，用于评测 AI 智能体和 AI 科学家能否从实证数据生成机制假设。该基准结合来自 14 个科学领域的论文机制与含 1798 万条记录的真实数据集，保留经验数据的观测复杂性并给出已知的底层机制，智能体分析观测后提出开放式假设，评测框架通过被隐藏条件下的推论来评估这些假设。

MechHypoBench：评估 AI 科学家从观测数据生成机制假设的基准

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。

Long-MDR：面向多模态深度研究智能体的 128k 上下文长程强化学习训练配方

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。

Long-MDR：面向多模态深度研究智能体的长上下文强化学习

Long-MDR 将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工具轮数下训练的在线多模态深度研究 RL 研究。

AutoSciBench：自动生成并迭代加难的科学智能体评测基准

Genentech 与 KAIST 团队提出 AutoSciBench，用高层 concept 与低层 recipe 两级规划自动生成科学智能体评测任务，并依据求解器轨迹与评审反馈迭代修订，把任务推向原始数据复核、中间结果解读与多步证据整合。

EvoCast：面向迭代预测架构演化的自主研究智能体系统

arXiv 预印本提出 EvoCast，一个面向时间序列预测架构演化的全自主研究智能体系统，通过固定任务协议下的多轮研究循环，先建立并诊断任务专属基线，再生成有证据支撑的架构改进方向。

多智能体假设生成中的成对等价判断审计：自我批判效应与多样性测量

约翰斯·霍普金斯大学与 Merck 团队审计了多智能体假设生成中依赖成对等价判断的两类评估问题，该工作已被 NeurIPS 2026 Agentic AI for Biological Discovery Workshop 接收。

Meta 等机构提出 IdeaScientist：把科研构思拆成三个智能体并分别强化学习

Meta Reality Labs 与 FAIR 等机构的研究者提出 IdeaScientist，把科研构思拆成找研究空白、跨领域借鉴机制、撰写完整提案三个子智能体，用异步 GRPO 和分角色评分标准分别训练，并构建含 277 万条（问题定义、挑战、研究空白、直觉、提案）元组的 Svalbard Idea Vault 语料用于检索、训练和评估。

编辑推荐理由编辑推荐：直接服务科研构思与选题，作者已公开可运行框架代码和数据入口，研究者可自行部署验证。当前仍为预印本研究，效果主张来自作者评测。

FinNextAssist：面向专业金融深度研究的助手框架

南华理工大学、新加坡国立大学等机构提出 FinNextAssist，一个面向专业金融分析的端到端 Deep Research 框架，将研究流程拆分为 Task Planner、Evidence Compiler、Reasoning Engine 和 Report Assembler 四个阶段，并引入 TabAgent 与 HeteroAgent 两个轻量级子智能体。

UCLA 团队发布 Ansatz：用持续图记忆的数学研究智能体解出多个开放问题

UCLA 团队提出数学研究智能体 Ansatz，其核心是持续图记忆（Continual Graph Memory），用依赖图组织事实、计划与反例等中间结果，并支持跨问题复用经验。

入选理由数学研究智能体 Ansatz 用图记忆组织证明搜索，在十个基准问题上全部通过，并独立给出四个开放问题的完整解。

Meta 等提出 MIRA 与 MIRA-AC，把长周期自主科研拆成显式选题决策

Meta AI、特拉维夫大学和哥伦比亚大学的研究者提出 MIRA，一种分层架构，把长周期科研拆成外循环元推理决策与内循环执行：外循环从持久研究记录中整理证据，产出工作指令或终止决策，内循环用 Codex 执行单次调查。

从 OpenClaw 到 OpenAI dots：AI 智能体为何不再需要人类管理

Ethan Mollick 在 Substack 中修正了自己此前的判断：管理 AI 智能体并不需要人类精心设计组织结构，AI 自己就能学会分工协作。他以 OpenAI 的 dots、Meta 的 Muse 等 Clawlikes 类个人智能体为例，说明用户无需提供大量上下文或计划，智能体可自行从消息中学习并主动发现问题。

Ai2 发布 Olmo-core 3，面向万亿参数 MoE 的开源训练框架

Ai2 发布 Olmo-core 3，这是其大语言模型开发框架的一次重大升级，重新设计了开放的混合专家（MoE）训练系统，目标是把 MoE 训练扩展到万亿参数规模并保持计算效率。

入选理由Ai2 开放了面向万亿参数 MoE 的训练框架，学术研究者和小型实验室可据此评估自建大模型训练的门槛。

YouRA：面向可溯源自主科研智能体的持久状态架构

韩国电子通信研究院（ETRI）提出 YouRA（Your Research Agent），一种面向自主科研的持久状态架构，通过 Verification State Architecture（VSA）、Independent Controller 和 Stateful Reflection 三个组件保存研究状态、执行证据与失败历史。

牛津等团队提出 RAC：让 AI 科学家在运行时协调分工

牛津大学、KAUST、悉尼大学与剑桥大学的研究者提出 Runtime Agent Coordination（RAC），在 Agent Laboratory、EvoScientist 和 ARK 三个 AI 科学家系统执行过程中动态选择下一个智能体，并加入工作契约与基于产物的验证。

物理学家 Matthew Schwartz 复盘 Claude 驱动的 BootLoops 科研实践

Anthropic 研究博客发布客座文章，物理学家 Matthew Schwartz 描述他不再让 Claude 扮演人类科学家，而是寻找适合当前 LLM 能力的“Claude-shaped”问题，并为此构建开源工具包 BootLoops。

入选理由一位物理学家复盘用 Claude 与 BootLoops 在 18 个领域推进 36 篇稿件的经验，对想找 AI 适配课题的研究者有参考价值。

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。

ConflictGuide：让竞争行为可见，提升 AutoResearch 的模型演化效果

新加坡国立大学等机构的研究者提出 ConflictGuide，在基于大语言模型的 AutoResearch 循环中引入竞争行为反馈：先用标量任务反馈做广泛探索，待任务增益减弱后，用文献分类体系识别模型特有的行为冲突并设计探针，把探针结果反馈给代码智能体以引导修改和保留决策。

中科院团队提出 EEM 框架，用实验经验建模降低自主科研实验成本

中国科学院计算技术研究所等机构的研究者提出 Experimental Experience Modeling（EEM）框架，用于自主科研中的实验决策：从既往实验轨迹中提取可复用的经验条目，判断历史经验是否足以决定某个方向是否值得继续投入，不足时再执行低成本的针对性试点实验，并将新经验回填经验库。

AutoMIP：面向混合整数规划的自主科研框架在 MIPLib 与 MINLPLib 上找到新最优解

作者提出 AutoMIP，一个用于混合整数线性与非线性规划（MILP/MINLP）的自主科研框架，通过持久化想法池与算法树联合管理研究方向与可复用实验状态。在 MIPLib 的 60 个实例中，AutoMIP 为 31 个找到新的最优解；在 MINLPLib 的 60 个实例中为 52 个找到新的最优解，均超过所比较的自主科研框架。

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）。

DAGent：面向深度研究智能体的 Evaluate-then-Grow 增量规划框架

纽约大学等机构的研究者提出 DAGent，一个基于有向无环图的多智能体框架，用 Evaluate-then-Grow 增量规划替代先规划后修补：Orchestrator 依据已完成节点的置信度与不确定性信号逐批扩展任务图，并配套 DAG 条件强化学习 DAGRPO。