HDOCK-Multimer：整合对接与组合组装预测大型蛋白复合物结构
Nature Computational Science 在线发表的研究提出 HDOCK-Multimer，一个通过整合从头对接与组合组装来预测大型蛋白复合物结构的通用框架，据称显著优于现有最先进方法。论文由 Xuan Yao 撰写，DOI 为 10.1038/s43588-026-01062-1。
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14日
星期三，7 条vLLM 开源训练推理逐位一致配方与智能体技能，加速 RL 训练
vLLM 团队发布 train-inference-consistency 技能与配套代码，让训练前向直接调用 vLLM 推理内核并改造高性能内核，使 rollout 与训练对每个采样 token 的 logprob 逐位相同（diff = 0）。
入选理由vLLM 团队公开了让训练与推理逐位一致的算子级配方和智能体技能，可迁移到新模型与低精度部署。
MIT 研究：人工神经网络如何自组织出自身学习机制
MIT McGovern 研究所与 ICoN 中心团队在 PNAS 发表研究，证明一组随机连接的单元仅凭简单的连接调整规则即可自组织成有效的信息处理网络，学会识别模式和分类图像，性能与依赖反向传播训练的网络相当。研究者认为，能否自组织——包括调整连接的学习机制本身——应成为衡量神经网络生物学合理性的关键指标。
RoTA-Bench：通过交互式投影对齐评估 3D 空间推理
研究者提出 RoTA-Bench，通过交互式 3D 到 2D 投影对齐评估视觉语言模型的 3D 空间推理能力，自动流程从 2D 图标构建保轮廓 3D 物体，共生成 674 个任务和分层 100 任务测试集。
Ai2 将 Molmo 2 适配鲑鱼声呐视频
Kai Van Brunt 将 Molmo 2——我们用于视频理解的开源模型——适配到了一个远超其训练数据的领域：鲑鱼的声呐视频。 认识 Molmo2Fish，这是一个可追踪鱼类、并能通过自然语言引导纠正部分错误的原型。🧵 https://allenai.org/blog/molmo2fish
Gemini 4 Argon 加速机器人研究
我们一直在探索利用 Gemini 4 Argon 加速 @Google 研究的潜力。其中一项测试是使用人类完成趣味任务的视频（比如投沙包游戏？）来自主生成训练模拟，而非完全依赖手动编程。 听听我们研究团队的介绍，并观看实际效果：我们的类人机器人研究这些视频、运行模拟，并掌握了投沙包游戏。
Ai2 支持华盛顿大学蛋白质设计与药物发现研究
很自豪能与 @UWProteinDesign 以及华盛顿大学的同事们一起支持蛋白质设计与药物发现领域的 AI 研究。
引用Joseph Lee@jleechung✨Introducing Prompteina: all-atom protein design directly from natural language✨ - Control diverse protein properties through a single text prompt - Higher predicted binding confidence than baselines - First experimentally validated de novo binders reported for GM2A 🧵
10月13日
星期二，10 条JevGPT：用快慢双系统架构做自主研究，在 BrowseComp-Plus 与 NeuCLIRBench 上取得领先
KAUST 等机构的研究者提出 JevGPT，把自主研究拆成两个系统：System Two 负责设定证据目标并整合发现，System One 基于 Jev 模型并行判断来源相关性、定位原文段落并主动发现候选。
JevGPT：用快慢双系统架构做自主科研
KAUST 等机构的研究者提出 JevGPT，一种面向自主科研的双系统架构：System Two 负责设定证据目标并整合发现，System One 负责定位支撑段落、评估相关性和引导后续阅读，独立来源判断可并行执行。
Ai2 开放发布 Molmo 2 如何帮助 MIT 研究者重思鱼类追踪
Ai2 开放发布视觉语言模型 Molmo 2，公开模型、代码与训练数据，MIT 毕业生 Kai Van Brunt 据此构建了适配声呐鲑鱼视频的 Molmo2Fish。微调后的 Molmo2Fish 在未接受纠正时表现与专用鱼类追踪系统大致相当，且能按自然语言指令自动修正部分追踪错误，但改善自身最强预测仍较困难。该模型仍是研究项目，尚未部署。
系统实验显示大语言模型预测材料性质依赖原子类型而非原子位置
Nature Computational Science 在线发表的一项系统实验显示，大语言模型在预测材料性质时难以利用原子位置信息，主要依据原子类型作出判断。这一局限不会随模型规模或数据集规模增大而改变。准确预测材料性质是计算材料科学的主要挑战之一。
Google 团队谈 AlphaFold 到 AMIE 的科研 AI 进展
Google 团队回顾近十年科研 AI 成果，从 AlphaFold、AlphaGenome 到 Co-Scientist，并称 Google 首篇 Lancet 论文已发表。该前瞻性临床可行性研究显示，对话式医疗 AI 系统 AMIE 在基层就诊前安全采集病史，监督医生无需任何安全中止，其鉴别诊断在 top 7 可能性内与最终临床诊断吻合率达 90%。
OmniCompass：面向全模态视频定位与理解的综合基准
OmniCompass 是一个面向全模态视频定位与理解的综合基准，分设 OmniCompass-VL 与 OmniCompass-AV 两条评测赛道，各含时间定位、空间定位和问答三类任务。
Amazon Web Services 提出 priming 方法：无需从头重训即可改造 Transformer 架构
Amazon Web Services 团队提出 priming 方法，利用预训练 Transformer 权重作为起点，将混合架构的预训练成本降低 99% 以上，相关论文题为《Priming: Hybrid state space models from pre-trained Transformers》。
入选理由Amazon Web Services 提出 priming 方法，把混合架构的预训练成本降低 99% 以上，并开源 8B 与 32B 模型，研究者可据此低成本比较不同状态空间层。
Google 总结五年疾病研究：90 篇论文与 AlphaFold 等模型的应用
Google 回顾其健康研究布局，称过去五年团队发表了 90 篇经同行评审的疾病研究论文，累计被引超过 9 万次。
入选理由Google 汇总了 AlphaFold、AlphaGenome 等模型在疾病检测与药物发现中的合作案例，研究者可据此判断这些工具能否接入自己的课题。
微软研究院发布 StudentSim：用个性化学生模拟器为 AI 导师提供训练反馈
微软研究院提出 StudentSim，一个用公开去标识化学习记录训练个性化学生模拟器的研究系统，用于在 AI 导师接触真实学习者之前评估和改进导师。研究同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学三个领域，从行为保真度和对指导的响应度两个维度评估模拟器。
入选理由微软研究院提出用真实学习记录训练个性化学生模拟器，为 AI 导师在接触真实学习者前提供可扩展的反馈信号。
Deep Potential 揭示双极膜中表面羟基结构依赖的水解离机制
苏州大学王宇航团队联合新加坡国立大学和悉尼大学，用 DeePMD-kit 势函数在 LAMMPS 中模拟 SnO₂(110)/水界面，揭示双极膜表面羟基结构如何影响水解离。
10月12日
星期一，4 条DeepMind 模型提前11天精准预测飓风
来自一个卓越模型的好结果。 这是 AI 产生积极影响的一个绝佳例子。这就是为什么我们 @GoogleDeepMind 将推动科学进步作为核心重点！
引用Packie Young@packie7bGoogle Deepmind (FNV3) CRUSHED the forecast for #Isaias up to 11 days in advance. It picked up some appreciable signal on September 23, locked in on the exact landfall location4 days before it happened, and nailed the peak intensity consistently 3 days before it happened. A new age of forecasting is upon us. First video: Track density using 1000 member ensemble Second Video: Individual tracks and mean using 50 member ensemble
研究显示大语言模型无法从空间坐标学习，几何神经网络在材料性质预测上更优
Nature Computational Science 在线发表的研究显示，大语言模型无论模型规模或数据规模如何，都无法从空间坐标中学习。专用几何神经网络在材料性质预测任务上持续优于语言模型。论文发表于 2026 年 10 月 12 日，DOI 为 10.1038/s43588-026-01045-2。
RIVO：为 Deep Research 智能体提供轻量自适应重路由
论文提出 RIVO，一个面向长程 Deep Research 智能体的轻量插件框架，把自适应重路由建模为状态条件下的轨迹纠偏问题。它用置信度、注意力收敛和证据注意力三个信号判断停止、验证、继续或重路由，触发后由 0.6B 插件对冻结 Host 的 logits 做稀疏低秩修正，Host 参数不更新。
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11日
星期日，1 条Sakana AI 提出 MASS：多智能体自监督实现递归自我改进
Sakana AI 发布论文《Recursive Self-Improvement through Multi-Agent Self-Supervision》，提出 MASS 方法：一个共享模型通过虚拟子智能体团队解题，搜索更优的多智能体工作流，再用自身判断选出最佳方案，并把最佳团队的执行经验蒸馏回共享模型。
入选理由论文提出多智能体自监督方法，让同一模型在自改进循环中互相评估，研究者可据此判断自改进路线的可行边界。
10月10日
星期六，3 条Triage-PiEvo：为原则演化型科学智能体引入证据准入机制
西湖大学、浙江大学与快手等机构的研究者提出 Triage-PiEvo，把异常观测的用途拆成两条路径：异常可立即引导搜索，但只有经过独立验证的证据才能改写持久原则，被推翻的原则会被撤回。
SciCurateBench：从异构科学文献中整理实验数据的基准与 LangPoli 智能体
研究团队提出 SciCurateBench，一个由 200 篇专家标注论文组成的基准，要求系统从原始文献、补充材料和托管数据中联合验证多项实验条件，例如是否为新生成的 scRNA-seq 数据且带免疫治疗响应结果。
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Ai2 在 COLM 2026：从 Olmo Hybrid 到科研智能体 Asta 的开放研究
Ai2 在 COLM 2026 展示了 Olmo Hybrid 研究，该架构将注意力与线性循环层结合，在 MMLU 上以少 49% 训练 token 达到 Olmo 3 7B 的同等准确率，并已用于正在预训练的新一代 Olmo 混合专家模型。
Google 与 BIDMC 在 The Lancet 发表 AMIE 临床研究
Google 与 Beth Israel Deaconess Medical Center（BIDMC）在 The Lancet 发表研究，在 BIDMC 门诊初级保健诊所让 98 名患者在紧急就诊前先咨询诊断 AI 聊天机器人 AMIE。
入选理由Google 与 BIDMC 在真实门诊场景中测试诊断 AI 的初步结果，为研究者评估患者端 AI 的安全边界提供参考。
OneSearch-VL：面向图像与视频的统一多模态深度研究智能体
arXiv 预印本提出 OneSearch-VL，一个以视觉锚定证据图 VGEG 为核心、统一处理单图、多图与视频深度研究的智能体，将视觉定位、外部检索与事实组合的依赖关系编码为任务级参照，用于数据构建、过程监督与操作级评测。
10月8日
星期四，2 条DataSense-Bench：评估 AI 智能体能否在训练前判断数据价值
研究者提出 DataSense-Bench，让 CLI 智能体在只能推理、不能训练模型或接触评测任务的条件下，从候选轨迹池中选出五组互不重叠的训练数据并按预期训练价值排序，随后用监督微调 Qwen3-4B 并分别在 TBLite 和 BFCL 上验证。
研究智能体的研究契约：仅凭输出评审无法验证什么
帝国理工学院 Ben Glocker 等人提出"研究契约"（study contracts），将申报的实验选择、执行义务与主张范围绑定到记录的执行证据上，并区分契约相对验证与科学真伪。