TB-MathModel 发布：面向数学建模的智能体可验证基准
研究团队提出 TB-MathModel，一个面向数学建模的智能体可验证基准，覆盖 2023 至 2025 年的 18 道 CUMCM 与 MCM 真题，每道题在容器化终端中提供原始题面、官方附件与图表，智能体需返回单个 JSON 结果。
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。
310 条收录动态，更新于 03:33
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。
11月5日
星期四，8 条百度文心开源 ERNIE-5.5-Flash-Base 基座模型，总参数 280B
百度文心发布并开源 ERNIE-5.5-Flash-Base 预训练终点权重，这是一个稀疏 MoE 语言模型，总参数 280B、每 token 激活 14B，在 33.5T tokens 上从零完成预训练，微调与推理支持 1M tokens 上下文。
OpenBMB 介绍 MiniCPM-OCR 与 Jev 文档解析及可靠性校验组合
OpenBMB 转发并确认了 MiniCPM-OCR 与 MiniCPM-OCR Jev 的组合用法：前者以 1.3B 参数解析中英文扫描件、手机照片、倾斜页面和关键信息，后者对提取出的文本、公式和表格给出可靠性评分。Jev 只标记可能不可靠的输出，不自动纠正，也可用于校验其他 OCR 模型的输出；项目提供开放权重、微调支持，并兼容 llama.cpp、vLLM、SGLang 和 Ollama。
引用IMOLEAYOMIDE@Olaemmy1200OCR pipelines can be much more reliable when you add a verification model. Instead of trusting every extracted result, you can use a second model to check how accurate the output actually is. A good example is MiniCPM OCR from @OpenBMB and ModelBest. It combines a lightweight document parser with a separate model, MiniCPM OCR Jev, designed to evaluate OCR reliability. Here’s how it works: 1. Document parsing MiniCPM-OCR uses just 1.3B parameters to extract information from Chinese and English documents. It handles scanned documents, phone photos, curved pages, tilted inputs, and even key information extraction. 2. Output verification MiniCPM-OCR Jev evaluates the extracted text, formulas, and tables to estimate how reliable the results are. You can also use it to verify outputs from other OCR models, meaning you don’t have to replace your existing pipeline. Why does this matter for AI agents? Agents are increasingly working with PDFs, invoices, research papers, and other structured documents. But one incorrect number or poorly extracted table can affect every step that follows. A simple workflow would look like this: → Parse the document with MiniCPM-OCR. → Pass the extracted content to Jev for reliability scoring. → Route low-confidence results to a human reviewer or another correction step. One important distinction: Jev identifies potentially unreliable outputs. It doesn’t automatically correct them. The project also provides open weights, fine tuning support, and inference compatibility with llama.cpp, vLLM, SGLang, and Ollama. There are also integrations through Agent Skills. If you’re building document processing agents, this is worth testing. Especially on difficult inputs like dense tables, mathematical formulas, scanned pages, and low quality phone photos. The bigger idea: Don’t just build agents that extract information. Build pipelines that can also evaluate whether that information should be trusted.
中国科大发布开源 RNA 序列基础模型 structRFM，成果登上 Nature
中国科大 MIRACLE 实验室发布开源 RNA 序列基础模型 structRFM，相关成果于 11 月 5 日发表于 Nature。团队构建约 2100 万条经计算注释的序列-二级结构配对数据，同时预训练序列上下文与结构依赖，模型仅需输入序列即可提取序列级、核苷酸级和核苷酸对级特征，用于二级与三级结构预测、剪接位点预测、内部核糖体进入位点识别和非编码 RNA 分类等任务。
中国科大团队发布开源 RNA 序列基础模型 structRFM
中国科学技术大学医学影像智能与机器人（MIRACLE）实验室发布开源 RNA 序列基础模型 structRFM，仅需输入序列即可提取序列级、核苷酸级和核苷酸对级特征，用于结构预测与功能推断。
入选理由RNA 序列基础模型开放权重与数据，做 RNA 结构预测和功能推断的研究者可据此评估能否接入现有流程。
alphaXiv 三步将 arXiv 论文转为文献综述
三步将 arXiv 论文变成文献综述 将你的 alphaXiv 文库关联到 OpenResearch，挑选几篇，点击“Add papers” 完全开源 👇
alphaXiv 推出 OpenResearch
来看看 OpenResearch：https://github.com/alphaXiv/OpenResearch 支持 macOS、Windows 和 Linux
Google Research 开源 Agile Deliberation 框架，用对话帮人厘清主观视觉分类标准
Google Research 推出 Agile Deliberation 框架，把主观视觉分类器的构建变成人与 AI 的迭代对话，先由用户拆解概念层级与排除项，再由视觉语言模型主动挑出语义边界图像供用户判断，反馈直接进入自动提示优化循环。
11月4日
星期三，1 条Ai2 与 Google 合作开发新一代气候模型 NeuralGCM+
Ai2 在 Google.org 三年数百万美元资助和 Google Research 技术支持下启动气候建模计划，开发开源模型 NeuralGCM+。该模型基于 Google Research 的 NeuralGCM，将扩展为大气与海洋联合模拟，聚焦数年至数十年尺度的气候趋势，目标是把区域气温和降雨误差降到低于传统气候模型。Ai2 计划公开模型与建模框架，并优化在常用 GPU 上的性能。
11月5日
星期四，1 条Ai2与Google合作NeuralGCM+气候预测
我们正与@Google合作开发NeuralGCM+，以实现更快、更可靠的气候预测。 来自https://Google.org的数百万美元、为期3年的资助以及Google Research的支持将扩充我们的团队——我们还将开源模型和工作流程。🧵 https://allenai.org/blog/google-climate-partnership
11月4日
星期三，3 条GPT-6 Astra 通过权重直接改写其他 AI 模型
研究人员让 GPT-6 Astra 直接读取和生成神经网络的原始权重，并把这一做法称为 Weight-Space Programming。
RobPicker：用于冷冻电子断层图像中大分子稳健识别的元学习框架
研究提出 RobPicker 元学习框架，用于在冷冻电子断层图像（cryo-ET）中识别大分子。作者同时公开了配套数据集与源代码（均存于 Zenodo），论文发表于 Nature 旗下方法学期刊。该框架面向 cryo-ET 数据中分子模式识别这一结构生物学数据处理环节。
小鹏联合北大、港大发布 GroundingPI 具身感知基座模型
小鹏集团联合北京大学、香港大学等团队发布具身感知基座模型 GroundingPI，约 40 亿参数，在 34 项公开感知基准的综合评测中位列第一，得分 73.68，对比 GPT-6 Astra 的 71.54。
11月3日
星期二，1 条VidUEU-Agent：从原始视频自动合成多模态指令数据的智能体
研究团队提出 VidUEU-Agent，一个从原始视频自动合成多模态理解、编辑与统一任务指令数据的四阶段流水线，并可根据下游训练结果自主迭代数据分布。基于该流水线构建的 VidUEU-100K 包含 100K 训练样本，覆盖多个领域与任务；在多个代表性基准上微调基线模型后取得一致性能提升。
11月4日
星期三，1 条TEXMET：考古纺织品重建的深度学习基准
挪威科技大学（NTNU）团队发布 TEXMET，一个取自大都会艺术博物馆开放获取馆藏的 18,644 张历史纺织品图像数据集，用于拼图式重建研究。基于该数据集微调的图扩散模型 DiffAssemble 在纺织品数据上达到 85.89% 拼图准确率，应用于 45 件 Oseberg 船葬残片时准确率从 26.67% 提升至 64.44%。
11月2日
星期一，1 条自主智能体按靶点重排 MSA，在三个蛋白复合物基准上提升 AlphaFold 3 界面 DockQ
上海交通大学等机构的研究者提出一个自主科研智能体，把冻结的 AlphaFold 3 当作黑箱实验仪器，针对每个靶点自行提出生物学假设、分析并重组 MSA，仅依赖预测器的无标签置信信号迭代调整序列选择与跨链配对。
11月4日
星期三，1 条alphaXiv OpenResearch v0.2.24 发布：新增俄语界面与 alphaXiv 登录
alphaXiv OpenResearch 发布 v0.2.24，新增俄语（ru）界面本地化，并支持用 alphaXiv 账号登录、让智能体调用其工具、在对话中选择文库论文。
11月3日
星期二，1 条El Agente Fármaco：面向药物发现的可扩展 AI 科学家
作者提出 El Agente Fármaco，一个用大语言模型把日常语言表述的发现目标转成可扩展计算筛选流程的 AI 科学家，由智能体选择科学工具、审阅结果并调整后续步骤。
11月4日
星期三，1 条MIT.nano 举办 2026 NEMO 用户会议，并展示开源平台 Hydra
MIT.nano 于 10 月 5–6 日主办 2026 NEMO 用户会议，65 名来自 25 家实验室和机构的代表参会，聚焦共享科研设施的管理与互联。
11月3日
星期二，1 条Prime Intellect 审计公开评测：AutomationBench、OfficeQA Pro v2 与 HLE-Diamond 的评分缺陷与奖励作弊
Prime Intellect 在运行模型卡中报告的公开评测时发现多处影响结果解读的问题，并开源了修复版本 PI-AutomationBench 与 PI OfficeQA Pro v2。
11月4日
星期三，1 条Open-HumanScale 开源 5 万小时第一人称视频预训练配方与 HumanWAM 模型
研究团队发布 Open-HumanScale，一套将第一人称人类视频预训练扩展到 5 万小时的全开源配方，核心是带手部动作与自然语言密集标注的 Open-HumanScale-50K 语料。
11月2日
星期一，1 条IdeaTaste 基准：LLM 能否共享人类研究者的科研品味
研究团队提出 IdeaTaste 基准，用 2025 年冻结的文献快照让 LLM 撰写研究提案，再与同一社区 2026 年实际发表的论文比对，以此衡量模型的科研品味。
11月4日
星期三，2 条Gemini API CLI 与 Skill 资源
Skill：https://github.com/google-gemini/gemini-skills/tree/main/skills/gemini-api-cli CLI：https://github.com/google-gemini/gemini-api-cli
Ai2 发布 StateBench 评估大模型状态追踪
大语言模型能否在长文本中追踪状态变化——比如一个物体几经转手，或一个变量被重新赋值？ 在我们新推出的 StateBench 评估中，包括 GPT-6 Sol 和 Claude Opus 5.5 在内的前沿模型，在最难、最长的问题上准确率降至 13% 或更低。🧵 https://github.com/allenai/state-bench
11月3日
星期二，6 条Mistral Large 4 技术报告与开源发布
Le Chonk 的诞生故事，由打造它的团队亲述。 现已上线 @askalphaxiv：https://www.alphaxiv.org/abs/2611.mistral-large-4
引用Pierre Stock@PierreStockML4 is now open-weight! Frontier capabilities on code agents & cyber, way more efficient and compact than its Preview version three weeks ago (!) and cherry on the cake: technical report telling its epic backstory. Check it out: https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B/blob/main/assets/technical_report.pdf
Bohrium Skills v0.2.0 发布：17 个 Skill 迁移至 bohr CLI
深势科技发布 Bohrium Skills v0.2.0，17 个 Skill 改为通过 bohr 执行业务，使用前需安装并登录 Bohrium CLI，旧版 Python API 客户端与示例脚本已移除。
PlagiaCorpus 发布阿拉伯语—英语双语对抗性跨语言抄袭检测数据集
沙特阿拉伯苏丹王子大学团队在 arXiv 发布 PlagiaCorpus，一个阿拉伯语—英语双语抄袭与文本复用检测基准，共 198,643 条文本记录，含 34,885 条源段落和 163,758 条查询。
WFDB-x 发布：WFDB 软件包在七种编程语言中的一致性重实现
Reza Sameni 发布 WFDB-x，将 WFDB Software Package 10.7.0 原生重实现于 Python、C++、Rust、Julia、R、MATLAB/Octave 和 Kotlin 七种语言，每种都提供库函数、高层 API 和 33 个命令行工具。
HistGramBench：多模态模型将历史数学图重绘为 TikZ 时的结构还原评测基准
研究者提出 HistGramBench，用 2,507 幅来自 1551–1933 年间 95 部著作、8 种语言的历史数学图，评测多模态模型把图重绘为 TikZ 程序时的结构还原能力。每幅图由两家不同厂商的 AI 模型就读者可从图中读出的事实达成一致，再在模型自己绘出的图上核验这些事实。评测 6 个平价模型，最佳者约还原五分之三的事实，多数遗漏来自始终未生成图形的程序，平行与相切关系最难复现。
LODox：面向文化遗产关联数据发现的网页平台
牛津大学团队提出基于 Django 的轻量模块化网页平台 LODox，用于探索和可视化文化遗产关联开放数据，采用卡片式界面与语义门户呈现多源异构数据。平台将基于 LLM 的语义智能体以 Python 包形式解耦集成，可绕过以便复现测试或调试，并规划与 Solid 协议对接。该工作以海报形式投稿第 3 届 Solid Symposium，属原型阶段。