全部动态

姚期智、杨植麟联合署名论文推出TCSExam，评测9个前沿大模型的理论计算机科学能力

姚期智团队联合杨植麟等发表署名论文《TCSEXAM：在TCS研究的全范围内评估前沿大型语言模型》，推出TCSExam评测，把定理证明、求解器工程、构造和开放猜想四类任务纳入同一考卷，由Lean内核等机器验算。

入选理由论文把理论计算机科学的定理证明、构造、求解器与开放猜想纳入统一评测，研究者可据此判断大模型在哪些数学任务上已能产出可机器核验的结果。

在 AI 时代重新思考神经科学研究生教育

六位神经科学家在 The Transmitter 撰文讨论 AI 时代神经科学研究生教育应保留、舍弃与新增哪些训练内容。文章指出大语言模型已能大幅加速编程、数据分析和科学写作，AI 智能体在生物数据分析、假设生成与科学发现上展现潜力，但常规使用 AI 者在移除 AI 后同类任务表现更差。作者主张以“构建—评估”循环训练学生，让 AI 充当苏格拉底式导师和个性化评估者，而非替代基础推理能力的培养。

MIT 等提出 WorldParticle：单一 AI 模型统一模拟沙粒滑动与蛋白质折叠

MIT、UBC 等机构的研究者提出深度学习系统 WorldParticle，把沙粒、流体、蛋白质等不同材料统一表示为粒子，由神经网络逐步预测粒子位置与属性，无需为每种物理过程单独编写求解器。

蚂蚁 inclusionAI 开源 ZoomGain：用全局到局部感知差构建视觉监督

蚂蚁 inclusionAI 发布 ZoomGain，利用放大后才显现的视觉细节生成关于整图的问题，为视觉语言模型构建监督信号。同步开源 ZoomGainBench 评测基准（1,000 题、941 张图，含中英文题干与证据框）、9,000 条 RL 训练数据及 ZoomGain-4B/9B 模型检查点。

本科数学教育该教学生什么：AI 时代如何培养数学理解力

在美国新泽西一所文理学院的两位数学教师看来，AI 已能自动完成练习、证明与计算等传统训练环节，本科数学课程必须教学生与 AI 系统协作。他们主张训练学生批判性核验 AI 输出、理解并解释以"陌生"形式呈现的结果，而非把思考过程外包给 AI。文章提到 2026 AMS Committee on Education Workshop Report 已开始调整研究生课程，但本科层面需要平行且持续的努力。

九个 AI 智能体挑战美国国家实验室开放问题，135 份投稿无一达到专家标准

一项研究让 Claude Opus 4.8、Claude Opus 5、Claude Fable 5、Claude Opus 5.5、GPT-5.6 Sol、GPT-6 Astra。

入选理由这项基准用美国国家实验室研究者的开放问题检验九个智能体，显示自主科研的短板集中在自我核查与诚信环节。

WorldFoundry 开源世界模型推理与评测基础设施

WorldFoundry 是一套开源基础设施，面向视频、3D 与 4D、具身动作和交互式世界系统，提供可复现的推理与评测。它把模型与基准发现、运行时与资产准备、执行编排、产物管理和交互式可视化统一起来，并通过显式清单、产物契约和证据感知评分卡把执行就绪与评测结论分开。其目录收录 270 个模型条目、74 个基准和 62 个已登记指标条目，就绪与执行证据分别记录。

研究用任务模型估算 AI 对科研进展速度的影响

Peter McCrory 等人用基于任务的研发进展模型，探讨 AI 可能如何影响不同领域的整体科研进展速度。结果显示，若现有 AI 能力被广泛采用，部分领域的研究产出可能翻倍。

Anthropic 报告分析 Claude 在不同学科与研究任务中的使用差异

Anthropic 发布报告《AI for scientific discovery: How researchers use Claude》，考察 AI 使用情况在不同科学领域和研究任务间的差异。报告评估采用模式后发现，Claude 在形式科学中的使用相对更多。

Anthropic 科学博客：AI 如何改变科学建模

Anthropic 科学博客发文讨论 AI 如何开始改变科学建模：科学家仍主要手工编写模型，并需在多个竞争性版本间权衡。客座作者 Jakob Macke、Daniel Gedon 与 Stefan Wahl 描述 AI 可将科学模型以代码形式编写、运行、拟合和修订，从而探索多种可能的模型结构，并找出数据支持的解释。

Anthropic 资助研究者谈如何教 AI 构建科学模型

Anthropic AI for Science 资助的 ELLIS Institute Tübingen 与图宾根大学研究者 Jakob Macke、Daniel Gedon、Stefan Wahl 撰文讨论 AI 如何改变科学建模。文章以 Hodgkin-Huxley 模型为例，将建模拆为构建、约束与解释三步，指出 AI 在参数约束上进展最大，但仅给出拟合模型并不等于带来理解。

Longtail-SWE：面向低覆盖编程语言的高质量软件工程任务基准

Longtail-SWE 发布 202 个 issue 解决任务，覆盖 Clojure、Dart、Elixir、Erlang、F#、Haskell、Julia、Kotlin、Lua、OCaml、R、Scala、Swift 共 13 种在现有仓库级基准中覆盖不足的语言。

THE DECODER《Frontier Radar》第5期：AGI 临近，为何顶尖研究者纷纷离开大厂创办 neolabs

THE DECODER《Frontier Radar》第5期按六类研究押注梳理了45家 neolabs，并详述其中27家。这些由 OpenAI、Google DeepMind、Meta 前核心成员创办的实验室多无公开产品或论文，却已获巨额融资，如 Nvidia 据 Bloomberg 报道向 SSI 投资50亿美元。

Helmholtz Munich 的 Fabian Theis 谈如何控制生物学与虚拟细胞

Helmholtz Munich 的 Fabian Theis 认为，现有数据集下的扰动预测并不足以支撑复杂算法，应转向用大规模、高精度、多尺度配准数据预测分子→细胞→组织→器官→生物体的演化。

Fabian Theis 谈虚拟细胞：Biohub 18 亿美元押注与扰动预测困境

Helmholtz Munich 的 Fabian Theis 认为，现有数据集上的扰动预测并不足以支撑复杂算法，应转向用大规模、高精度、多尺度配准数据预测分子→细胞→微环境→组织→器官→生物体的演化。

Ai2 ToyBlocks：用积木学空间推理

幼儿通过玩积木学习规划与空间推理，积木堆倒塌后重新搭建，或翻转积木找到上面的字母。 ToyBlocks 采用同样的设定——一个模拟机器人必须在推、翻、堆叠积木的过程中，推理积木之间如何相互作用。

迈向具有生态学意义的基础模型

Gardiner 等人提出构建生态学基础模型，将大规模多模态生态数据集与生态学理论结合，以生成更具泛化能力和预测能力的模型。相关观点发表于 Nature Machine Intelligence，针对的是生态数据与理论分散于不同来源、尺度和方法、难以做出广泛预测的问题。

Inkling 2 Small：17A-594B 模型 68 小时、12T Token 训练完成，性能超过 Muse Spark

Thinking Machines 发布 Inkling 2 Small，这是一个 17A-594B 模型，从零预训练不到 3 天、在 12T Token 上完成训练，性能超过 Muse Spark。该模型与 Tinker、Interaction Models 等成果一同被视为 Thinking Machines 已成长为美国前沿新型实验室的标志。

Nature Awards 与 BCG X AI Science Institute 公布首届 AI for Discovery 获奖者

Nature Awards 与 BCG X AI Science Institute 公布首届 AI for Discovery 奖四位获奖者，分别来自普林斯顿大学、耶拿大学、香港理工大学和斯泰伦博斯大学，研究覆盖未知分子识别、化学与材料数据整合、器件内 AI 传感和传染病监测预警。

第465期双清论坛（青年）在汕头召开，聚焦“生命数字化及其孪生研究”

第3期双清-南澳青年科学论坛暨第465期双清论坛（青年）于2026年10月29—30日在汕头召开，主题为“生命数字化及其孪生研究”，由国家自然科学基金委员会交叉科学部、数学物理科学部、信息科学部、生命科学部及计划与政策局联合主办。论坛设“生命复杂系统的定量化”“数字生命构建与功能模拟”“数字生命驱动的医药创新”三个议题，共安排3场主题报告、28场专题报告，50余位青年学术骨干参会。

MapHub 发布 arXiv 新预印本每日相关性热图，按研究群体逐人打分

密歇根大学团队发布 MapHub（MIDAS arXiv Preprint Hub），用 Claude Opus 5.5 每天把 arXiv 新投稿与每位参与者的研究画像逐一比对，输出 0 到 100 的相关性分数，并以热图展示每篇论文触及了谁的工作。

Scientist World 把1000篇论文改造成AI科学家可执行的研究环境

Scientist World 提出一套多智能体流水线，把每篇论文复现为可执行、可评分的科研环境，AI科学家在其中按相对论文复现结果的改进幅度（FNI）计分，首批发布1000个经独立验证的环境。

入选理由论文把已发表论文改造成可执行、可评分的科研环境，并公开首批1000个环境与6400小时研究轨迹，研究者可据此判断AI科学家的评测与训练方式。

微软研究员探讨AI如何重塑制度

每一次技术革命都重塑了我们的制度——AI又会如何？ 在@ScienceMagazine上，微软研究员@glenweyl与合著者@profjamesevans探讨了“逆向对齐”，即用神经网络作为重塑制度的模型，或许能提供一条路径，在管理AI风险的同时 harnessing 其益处。https://msft.it/6015aAHYP

研究系统评测 Weight-Space Programming 的能力、泛化与局限

一项研究在七个基准和 Qwen3.5-0.8B、Qwen3.5-9B 两个模型规模上，用 16 条编辑轨迹系统考察 Weight-Space Programming（WSP）的能力、跨任务泛化与局限。

Nature Methods 推出新专栏 AI Bytes，用通俗语言讲解 AI 概念

Nature Methods 推出月度专栏 AI Bytes，面向生命科学研究者用通俗语言解释人工智能与深度学习概念，并附基础论文、教程和课程等权威延伸资源。首篇文章由斯坦福大学 Zijian Ma 与 James Zou 撰写，讨论生物基础模型；12 月第二篇将由卡内基梅隆大学 Xingjian Li 与 Min Xu 介绍常见 AI 架构及适用数据类型。

SemiAnalysis 发布 GDPx 基准：无 AI 智能体得分超过 12%

SemiAnalysis 发布 GDPx 基准，把 AI 智能体放进模拟知识工作环境，让它们最长运行八小时操作 Siemens NX 等专业软件、检索含数千个文件的数据室或攻击企业系统，206 项任务覆盖芯片设计、生物学、量化交易、网络安全和法律等 11 个领域。

Flint 模型自主完成可解释性研究闭环

Flint 研究者在 Hugging Face Inference Endpoint 上运行，配套一个 Neuronpedia 风格的小型 API，用于检查激活并操控另一份 Flint 副本。

清华伯克利开源机器人智能体对标GPT-6 Astra

GPT-6 Astra 刚刚成为中国具身智能领域的终极对标目标。 清华大学和加州大学伯克利分校（包括 Pieter Abbeel）的研究人员开源了 uni-robot-agent，让本地 Qwen3.8-Flash-Next 在零样本机器人控制中击败 GPT-6 Astra，每项任务成本仅约 1 美元（为 OpenAI 成本的 6.6%）。

ReproBridge 提出可复现工件设计，并发布 1029 项任务的复现基准

研究团队提出 ReproBridge，用智能体工作流把论文、代码与支撑材料整理成包含精炼代码库、环境配置、实验启动脚本和复现指南的标准工件，并发布 ReproBridge-Bench 基准，覆盖 36 篇论文的 387 个实验、共 1029 项任务，每项任务有 5 个人工核验的参考分数。

YC 初创公司 Discovered Materials 悬赏 100 万美元征集五个材料科学难题的 AI 解法

旧金山初创公司 Discovered Materials 宣布设立总额 100 万美元的奖金池，征集 AI 模型对五个材料科学开放问题的解法，包括铜氧化物超导理论、硅与二氧化硅界面结构预测、晶粒结构与热性质映射、光致材料行为变化理论，以及改进密度泛函理论的数值方法。