全部动态

Data World：从零合成数据环境训练数据分析智能体

研究团队提出 Data World，一个多智能体引擎，先指定文件背后的世界机制，再合成环境、任务与评分标准，用于训练数据分析智能体。引擎通过独立审计检查目标可从观测文件中恢复，评分标准用于评估和强化学习奖励；经人类偏好筛选出覆盖 50 个留出世界、16 个领域的 100 个任务构成 DataWorld-Bench，并从 1,037 个不相交世界生成 2,135 个训练任务。

AutoSFT：面向监督微调数据研究的智能体系统

研究团队提出 AutoSFT，一个用于监督微调数据研究的多智能体系统，将执行与分析分离，从不同角度收集数据修改提案，并调用综合子智能体处理数据池无法覆盖的能力。

bibliometrix 新增 multiplex coupling 框架：连接研究领域的知识基础与主题

那不勒斯费德里科二世大学团队提出 multiplex coupling 框架，将同一批文献的引用关系与术语关系作为多层网络的两层分别保留并分析其关联，相似度经零模型标准化，层间一致性在随机文献对上测量。

Databricks AI 研究团队如何使用 AI Runtime

Databricks AI 研究团队自去年 AI Runtime（AIR）推出起便作为首位客户，用它开发、训练和测试支撑 AI Functions 的模型。AIR 提供 GPU 预检与节点健康监控，可隔离故障节点，避免数百块 GPU 因单点故障闲置；配合 AIR CLI、自定义 Docker 容器和 MLflow 自动实验追踪，训练任务可在数秒内启动。

OR-License 基准：评估 LLM 智能体能否胜任真实运筹项目

研究团队提出 OR-License，一个由 10 个工业场景、31 个实例组成的端到端运筹基准，素材来自总额 368 万美元的付费运筹项目，并保留原始需求、输入数据、交付格式与信息边界。

LifeSearch：面向真实生活与生产力场景的 Deep Research 智能体基准

腾讯 LLM 部门在 arXiv 发布 LifeSearch 基准，用 203 个中英文任务（102 个中文、101 个英文）评测 Deep Research 智能体在 7 个生活与生产力领域的表现，任务源自真实用户查询种子，经 4,500 多小时人工标注构建 4,000 多条细粒度评分标准。

AI 实验室从倒闭初创公司购买数据训练模型

科技"殡葬"行业正把倒闭初创公司的数据卖给 AI 实验室：SimpleClosure 今年 4 月上线 Asset Hub，帮创始人出售代码和工作区数据（邮件、聊天、文档），已成交超 150 笔，预计到 2026 年底向初创公司返还超 1000 万美元，其 47% 的交易现已包含代码或数据出售。

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。

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。

K-Dense Web 重跑 Kang 2018 干扰素数据：细胞层面与供体层面检验相差 38% 显著结果

K-Dense Web 对 Kang et al. 2018 发表于 Nature Biotechnology 的 IFN-β 刺激 PBMC 数据（GEO GSE96583。

SciSpace 研究数据清洗指南：步骤、示例与实用清单

SciSpace 发布研究数据清洗指南，梳理分析前检查、修正与准备数据的流程，涵盖录入错误、变量标准化、缺失值、重复记录与异常观测的处理。指南强调清洗目标是对数据做出可辩护的一致决策并记录在案，而非让每个数值看起来整齐。文中给出常见问题示例和一份分析前可用的实用清单。

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。

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。

SciSpace 推出 Folder Share，让文件夹成为团队共享研究空间

SciSpace 上线 Folder Share，可将库中任意文件夹变为团队共享研究空间，成员共同添加论文、使用专用研究智能体并协作编辑 notebook，个人对话仅自己可见。该智能体可跨文件夹内全部论文生成报告、做文献综述与引用核查，或起草稿件和演示文稿；文件与 notebook 对受邀者可见，聊天记录不共享。用户可在文件夹顶部点击 Share 输入邮箱并设置权限邀请成员。

入选理由SciSpace 把文件夹变成团队共享研究空间，研究者可据此判断它能否替代现有的协作与文献整理流程。

FinAutoRubric：专家引导的金融研究智能体自动评分标准生成

FinAutoRubric 用专家指定的可复用评估指引驱动智能体与代码自动生成、审查并验证针对具体查询的评分标准，失败案例会升级给人工处理。在三个专家编写的金融基准上，其评分标准与专家打分的一致程度不逊于所评估的最强生成器，且覆盖更多标准项，内部分析师在盲评中更偏好该标准。团队同时发布 100 条查询的 FinAutoRubric Benchmark，覆盖 78 项任务和八类资产。

K-Dense Web 实测：用 AI 智能体将 3,629 个 TP53 错义突变对照功能与 ClinVar

作者用一条提示让 K-Dense Web 整合 ClinVar、PDB 1TUP 结构、14 个脊椎动物同源序列保守性和文献，对 TP53 DNA 结合域 191 个位点×19 种替换共 3,629 个错义突变做结构与功能一致性分析，产出一份 29 页技术报告、72 条经核验的参考文献、4 张图和 9 张表，并附全部脚本与中间文件。

K-Dense Web 实测：用 AI 智能体分析 NHANES 隐性缺铁数据并核验引用

K-Dense 团队用 K-Dense Web 分析 NHANES 2017 至 2020 年周期 1,999 名 15 至 49 岁非孕女性数据，估计血清铁蛋白低于 30 µg/L 者占 29.6%，约 1,770 万人血红蛋白正常但铁储备偏低。

K-Dense Web 压力测试 155 年美国退休结果：4% 规则安全吗？

K-Dense Web 用 Robert Shiller 1871 年以来的公开月度美国市场数据，对 1871–1996 年间全部 1,506 个完整 30 年退休窗口做了压力测试：60/40 组合按 4% 规则提取的失败率为 3.05%（46/1,506），但逐步加入更真实的波动率、重采样市场历史和年费后，失败率最高升至 11.3%。

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。

研究：AI 辅助文献综述中的测量误差如何影响结论

一篇 arXiv 预印本把大语言模型辅助文献综述视为测量问题，用 ChatGPT-4.1 的零样本、RAG 和监督微调三种实现，从 4191 篇经济学论文中抽取降雨工具变量相关元数据，并以 439 篇人工标注论文为基准。

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。

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。

蒙特利尔大学发布 SRBench 基准与 PromptSR 工具，评测系统综述筛选自动化

蒙特利尔大学团队在 arXiv 发布预印本，提出面向系统综述筛选自动化的基准框架 SRBench，包含来自 32 项二级研究的 45064 条已标注条目，并采用 MCC 和 BAcc 等考虑类别不平衡的指标。

Digital Science 分析：Medical Affairs 出版物表现数据日益复杂，工具增多反成双刃剑

Digital Science 在 Compass Points 系列中指出，Medical Affairs 团队用于评估出版物表现的数据源与工具不断增多，能力提升的同时工作量也随之上升。

Elicit 推出 Collaborative Sessions，多名研究者可共用同一 AI 智能体

Elicit 推出 Collaborative Sessions，多名研究者可围绕同一 AI 智能体和共享上下文协作，队友能在产出物上评论、直接请求修改、自行与智能体交互，或另开侧线程探索问题而不打断主流程。该功能现面向 Scale 和 Enterprise 机构开放，官方称工作全程保留完整历史记录。

Elicit 推出 Skills、协作会话与共享项目，支持团队与 AI 智能体协同研究

Elicit 上线 Skills、Collaborative Sessions、artifact editing 和 Shared Projects 四项功能，让研究者与 AI 智能体在同一环境中协作。

Elicit 研究智能体直播回放上线

Elicit 发布直播回放“Using Elicit to Make More Rigorous Decisions”，由 Elicit Research Agent 产品负责人 Kadir Annamalai 演示多步骤工作流。演示涵盖整合论文与临床试验之外的多元证据、处理复杂且相互冲突的发现、以方法和引用保持过程透明，以及产出可执行的交付物。

Wiley 推出首个光谱分析 API 组合，将谱库检索与谱图预测接入实验室工作流

Wiley 发布光谱分析 API 组合，把其光谱参考数据、分析算法和预测模型接入用户自有系统与工作流。首批包含四项能力：光谱数据库检索、谱图与结构验证、化合物分类（含药物）以及谱图预测，面向制药、法医、环境、化工、食品、材料等领域的实验室、仪器厂商和软件平台。