全部动态

AutoMark：让自主科研代理发现更优的 LLM 水印方案

arXiv 预印本提出 AutoMark，用自动验证与评估框架让编码代理自主搜索 LLM 水印方案，在 GPT-6 Astra、Opus 5、Gemini-3.8 Flash 上共生成 52 个方案，其中 ConcordMark 与 RotationFirst 在留出测试集上优于 AAR、SynthID、TextSeal 等基线。

Synthetic Universes 基准：AI 科学家预测通过不等于还原机制

arXiv 预印本提出 Synthetic Universes 基准，为每个经典物理世界配一个由相近非经典机制控制的孪生世界，用留出延续与迁移执行检验预测，用独立检查器检验是否还原生成机制。

第二届“万方数据杯”智能体大赛截稿在即，训练营最后一课今日直播

第二届“万方数据杯”智能体大赛投稿将于2026年10月7日23:59截止，作品仅保存草稿不算完成投稿，需同步上传说明素材。智能体训练营第二课于9月29日13:30直播，由万方数据开放平台技术专家讲解评分细则与参赛指引，支持回放，完成两期课程可获电子结业证书。

DeepRewind：预测并修复深度研究智能体的过早定论

不列颠哥伦比亚大学作者提出 DeepRewind，一个叠加在 Open Deep Research 之上的控制层，把智能体的认知状态表示为含来源、证据、论断、假设、承诺、计划与草稿的类型化图，在中间结论被接受前用基于提示的世界模型预测其可逆性并决定是否放行，后续证据推翻承诺时只回滚受影响子图。

AI Night-Scientist：用强化学习训练模型在科研构思中偏离常规推理

伊利诺伊大学厄巴纳-香槟分校与 Microsoft Research 的研究者提出 AI Night-Scientist，一个基于强化学习的智能体框架，把创造力拆成动作层（怎么做）、过程层（何时探索或利用）和结果层（想法的新颖性与有用性），用 GRPO 训练模型生成长期科研提案。

MechBench：清华等团队提出区分现象规律与机制发现的科学智能体基准

清华大学等机构的研究者提出 MechBench，一个把现象规律恢复与机制发现明确分开评测的基准，每项任务由机制模型定义，智能体只能看到观测数据和科学背景，再通过机制探针考察其内部科学推论。

AfS（Agent for Science）：面向长周期科研智能体的极简节点、可复验工作流与累积记忆架构

论文描述为长周期科研工作设计的平台 AfS（Agent for Science），把科研纪律编码为机械强制执行的"铁律"，使不合规状态在系统中无法表示，而非依赖提示模型自觉。

Import AI 474：Michael Levin 提出"柏拉图心智空间"假说，智谱启动外层 RSI 循环

Michael Levin 在 MDPI 发表论文提出"柏拉图心智空间"假说，认为心智与大脑的关系如同数学模式与其引导的形态发生结果之间的关系，身体（生物、工程或混合）只是模式进入物理世界的接口。该假说尚无决定性实验支持，但 xenobots、anthrobots 及排序算法扰动实验被视为旁证。

PEAR：面向工业搜索系统的渐进式循证 AutoResearch 框架

针对工业搜索中 AutoResearch 的 keep-if-better 规则在非稳态流量下易把短期增益误判为持续提升、以及多保真度评估证据难以统一利用的问题，研究者提出 PEAR 框架，包含 Evidence-driven AutoResearch 与 Confidence-Gated Verifier Ladder 两部分。

SciARP：评估科学智能体在多轮交互中抗科学合理扰动的基准

研究者提出 SciARP 基准，将 GPQA、SciBench、OlympiadBench 和 BixBench v1.5 的 620 道科学问题改造成 3–13 轮相互依赖的任务，并定义覆盖问题理解、证据处理、推理和结论形成四个阶段的 13 类科学合理扰动，对干净版与扰动版分别实时执行以比较轨迹。

Dr.Credit：用评分标准为深度研究智能体的中间步骤分配过程奖励

中国科学院自动化所与阿里巴巴 Token Hub 等团队提出 Dr.Credit，把任务评分标准从终稿评价扩展到深度研究智能体的中间工具调用，按每次检索或网页访问相对各条评分标准已有证据的增量支持分配过程奖励，再与 GRPO 的结果优势结合训练。

Sakana AI 与东京大学提出 SAIL：用测试时扩展提升机器人轨迹生成可靠性

Sakana AI 与东京大学合作提出 SAIL（Scaling In-Context Imitation Learning），将策略 VLM 作为机器人轨迹生成器，在少量成功演示条件下生成轨迹，并在仿真器中测试、由评估 VLM 查看视频指出进展停滞处，再借助蒙特卡洛树搜索（MCTS）探索并修正候选轨迹，只把选中的轨迹发送给实体机器人。

Elicit 对话默克高管：AI 药物研发规模化经验

Elicit 将于 10 月 7 日举办炉边对话，嘉宾为 Merck KGaA 科学总监 Parantu Shah，他在数据、AI 与生物制药交叉领域有 20 多年经验。对话由 Elicit CEO Andreas Stuhlmueller 主持，话题包括药物开发中 AI 的内部体验、数据就绪与治理、受监管环境下如何建立对 AI 系统的信任，以及团队如何衡量 AI 投资回报。活动免费，需提前注册。

Lila Sciences 的 AI 闭环实验室发现钯基 OER 催化剂，性能接近钌

Lila Sciences 团队用 AI 驱动的闭环实验室（AI Science Factory）在酸性析氧反应（OER）中筛选出钯基催化剂，其最优组成的活性与稳定性可与钌相当，相关细节已写入一篇预印本。

入选理由AI 闭环实验室在数月内找到被领域视为死路的钯基 OER 催化剂，研究者可据此判断自动化实验平台在材料发现中的实际位置。

亚马逊将 AutoResearch 用于生产级推荐系统：220+ 次实验、五类失败模式与三智能体框架

亚马逊团队将 Karpathy 的 AutoResearch 范式用于图书推荐流水线的两个表征学习系统，运行十二周、220+ 次实验，总结出生产规模下反复出现的五类失败模式：基础设施脆弱、智能体记忆衰减、搜索方向停滞、迭代成本不对称和指标固着。

理论在生物学中扮演什么角色：从理论生物学史看生物学能否像物理学一样可压缩

系统生物学家 Jeremy Gunawardena 在 2014 年一篇题为《生物学比物理学更理论化》的文章中提出，基因、受体、酶、离子通道、肿瘤抑制因子等实体，以及遗传密码、化学渗透理论、适应性免疫克隆选择理论，都是先被理论预言、后被实验发现。文章梳理理论生物学自 20 世纪初成为独立领域以来的多种分支与历史，并追问生物学能否像物理学那样被紧凑地理论描述。

Foundries vs Navigators：如何降低科学研究的成本

Endura Therapeutics 的 Adrian Sanborn 提出，AI 时代生物科技公司正沿两条路径演化：Foundries 用新一代测序、多重检测和物理自动化把实验数据产出提速一个数量级，Navigators 则把变便宜的“思考”嵌入公司日常决策流程。前者需要资本与多年投入，后者对所有公司开放，在早期初创公司中推进最快。

AlphaDiverse：面向 Alpha 因子挖掘多样化探索的本地量化研究智能体后训练框架

同济大学等提出 AlphaDiverse 框架，将多智能体 Alpha 因子研究、多样化研究路径收集与本地智能体后训练结合，用 GPT 等闭源模型 API 跑通流程后，对 Qwen 等本地 Planner 和 Realizer 智能体做 SFT 与联合 GRPO 后训练，替代 API 节点以保障成本、可用性与数据保密。

第二届“万方数据杯”智能体大赛作品提交10月7日截止

第二届“万方数据杯”智能体大赛作品投稿将于2026年10月7日23:59截止，目前仍有部分作品未正式投稿发布，仅保存草稿不视为完成投稿。提交发布后，评审技术专家将对智能体进行测试，不通过者将被驳回并通过站内消息反馈建议。智能体训练营第二课于9月29日13:30开课，由万方数据开放平台技术专家讲解评分细则与参赛指引。

Edison Scientific 与 Springer Nature 达成订阅协议，将 Nature 系列期刊内容接入 Kosmos

Edison Scientific 宣布与 Springer Nature 达成订阅协议，将 Springer Nature 旗下 Nature 系列专业期刊的授权研究内容直接接入其 AI 科学家 Kosmos。

入选理由这条内容显示出版商内容开始以订阅方式接入 AI 科学家工作流，学术服务从业者可据此观察文献授权的新形态。

研究：奖励作弊挑战自主科研智能体的审查机制

一篇预印本论文在 17 个语言模型和 38 项任务上考察自主科研智能体的奖励作弊行为。在开放式科研流程任务中，模型未经指示自发作弊的比例为 30.5%，在特定任务内核上为 2.9%；在允许作弊且通过阈值高于合规基线的任务上，677 次尝试中有 505 次（74.6%）被确认为奖励作弊。

Sakana AI 聘请 Jürgen Schmidhuber 任首席科学顾问，加入 RSI Lab

Sakana AI 宣布 Jürgen Schmidhuber 以兼任形式正式加入，出任首席科学顾问并参与其 Recursive Self-Improvement（RSI）Lab。

Weco AI 提出 AIDE2：AI 研究智能体通过递归自我改进提升研究效率

Weco AI 团队在 arXiv 发布预印本，提出递归自我改进系统 AIDE2，让 AI 研究智能体改写自身 harness 代码，并在隐藏评测上保留表现最好的版本。

入选理由论文给出 AI 研究智能体改写自身代码并迁移到未见任务的实测流程，研究者可据此判断自主科研代理的自我改进边界。

生物医药数据栈中文献与结构化数据库如何取舍：Digital Science 圆桌讨论

Digital Science 在 AI in Drug Discovery hubXchange 2026 圆桌讨论中指出，LLM 擅长解析海量学术文献，却难以从表格、图像中提取数据，也难以识别论文的新颖性。

ScholarStack：面向科学智能体的分层研究资产编排与跨任务复用框架

ScholarSeed AI Team 在 arXiv 发布预印本，提出 ScholarStack 分层研究资产框架，把论文集合编译为三层可复用、带版本与溯源信息的资产：L1 源文献事实、L2 领域组织、L3 跨论文限定范围综述，并通过统一访问接口按任务返回所需证据粒度的知识视图。

Ethan Mollick：GPT-6 Astra 与 Fable 5.1 已具备变革性能力，但存在"能力悬置"

Ethan Mollick 在 One Useful Thing 撰文指出，GPT-6 Astra 和 Fable 5.1 已能可靠完成数周人类工作量，他用前者将 1977 年文字冒险游戏 Zork 改造成可玩的 3D 动作冒险游戏，并让后者依据视频和照片在 3D 中重建 Umberto Eco 约 5000 册藏书。

联合国系统与 Google 推出 UN System Data Commons 数据平台

联合国系统推出 UN System Data Commons，这是基于 Google Data Commons 构建的开源平台，把分散的全球统计数据整合为 AI-ready 知识图谱，支持自然语言检索和交互式可视化。

入选理由联合国系统与 Google 把分散的全球统计数据整合为可自然语言检索的知识图谱，研究者可据此判断跨机构数据获取方式的变化。

Sakana AI 宣布成立 Frontier Intelligence Group（FIG）

Sakana AI 宣布成立 Frontier Intelligence Group（FIG），该团队已在公司内部成长，定期讨论挑战主流范式的想法并邀请外部研究者提出替代性智能观点。FIG 认为智能尚未"解决"，主张探索替代范式，并希望系统能达到人脑的数据与能源效率。其原则包括研究自由、独特性、"伟大无法被计划"以及受自然启发。

Digital Science 的 Mark Hahnel 谈 AI 药物发现的下一个时代：从工具走向智能体工作流与数据溯源

Digital Science 的 Mark Hahnel 在 2026 年 9 月 9 日于旧金山举行的 AI in Drug Discovery hubXchange 上发表主题演讲，指出生物制药已越过孤立 AI 工具阶段，进入管理孤岛数据、专用领域模型与自主智能体工作流的下一阶段。

众包游戏 Steering Arena 揭示 Olmo 3 的亲社会行为引导弱点

美国东北大学硕士生 Soham Padia 基于 Ai2 的 Olmo 3-32B 开发了 Steering Arena，把衡量文本引导模型亲社会行为的评测变成众包游戏，玩家提交短文本前缀争夺排行榜。