全部动态

自主智能体按靶点重排 MSA，提升 AlphaFold 3 蛋白复合物界面预测

上海交通大学等机构的研究者提出一个自主智能体，把冻结的 AlphaFold 3 当作黑箱实验仪器，针对每个蛋白复合物靶点提出生物学假设、分析并重组 MSA，仅凭预测器的无标签置信信号迭代调整序列选择与跨链配对。

Hugging Face 提出模型集成契约 MIC，用缩小模型在 CPU 上拦截 Transformers 回归

Hugging Face 发布 transformers-mic，一套把缩小模型、可运行用法示例和人工审核基线打包成 Model Integration Contract（MIC）的测试标准，并在 huggingface-mic 上公开契约。

OmniQ 与 Residual Agents：AI 科学家复现计算量子论文的障碍与自改进方案

南洋理工大学团队提出专家审核的虚拟研究环境 OmniQ，把计算量子科学论文转成可执行复现任务，并据此评测 5 个 LLM 驱动的 AI 科学家与 6 个第三方 agent harness。

入选理由该研究把论文复现变成可诊断任务，并给出从专家修正中积累经验的自改进路径，对关注自主科研代理的研究者有参考价值。

Anthropic 发布可验证推理原型 FlashProve，单张 H100 为 400B 模型生成证明约 110 tokens/秒

Anthropic 发布开源原型 FlashProve，用 zkSNARK 让用户在不接触模型权重的情况下验证回复确由所声明的模型生成。

NVIDIA 开源 NVIDIA Recovery，自动恢复集群分布式训练任务

NVIDIA 发布开源服务 NVIDIA Recovery，作为 DSX OS 的一部分，在集群层面自动检测训练中断、归因故障、隔离节点并重启或停止任务，代码以 Apache 2.0 许可放在 dsx-ai-factory/NVIDIA-Recovery 仓库。

Deep Principle 发布 Hydrogen-1.0：面向科学发现的 753B 开放权重模型

Deep Principle 发布 Hydrogen-1.0，这是一个面向化学、材料科学与生命科学的 753B 开放权重模型，在 Z.ai 的 GLM-5.3 基础上用领域数据、实验室记录和智能体发现轨迹后训练而成，权重以 MIT 许可在 Hugging Face 和 ModelScope 开放。

alphaXiv 开源 OpenResearch，可自行运行科研智能体集群

alphaXiv 发布 OpenResearch，研究者可通过其 GitHub 仓库自行运行面向科研的智能体集群（swarms of agents）。原文只给出仓库地址 https://github.com/alphaXiv/OpenResearch，未说明具体科研任务、部署方式或使用限制。

Amazon 用 Lean 4 形式化证明 AWS Aurora 数据分发协议的鲁棒性

Amazon 自动推理团队用 Lean 4 形式化并证明了 AWS Aurora 分布式协议 Grover 的核心数据修复与迁移协议，证明其满足默认六副本容忍任意两节点同时故障的承诺，且证明不限定副本数。团队让 LLM 迭代提出规范并尝试证明或反例，过程中发现并记录了文档中的隐性假设与歧义，若照文档实现可能导致数据丢失。两种风格的协议形式也被证明等价，便于专家审阅。

Olam Labs 让 50 个 AI 智能体在 Minecraft 中生存三小时，自发形成官僚式分工

Olam Labs 将 50 个 GPT-6.1 Sol 智能体放入 Minecraft 生存世界三小时，唯一指令是建立繁荣文明，期间交换约 5900 条消息。

研究者在《我的世界》测试 AI 智能体集群：协作易官僚化，GPT 对战 Claude 胜率更高

Y Combinator 与 Olam Labs 研究人员在《我的世界》中测试上百个智能体集群的协作与对抗。Civ50 测试中 50 个 GPT-6.1 Sol 智能体三小时内未能发展壮大，还出现四个智能体花 11 分钟任命“唯一肥料操作员”的官僚化行为。

Retrieve-then-Disambiguate：从文献中检索并消歧审稿人候选的开源算法

密歇根州立大学的研究者提出开源算法 Retrieve-then-Disambiguate，把审稿人发现表述为检索问题：先按标题摘要相似度检索相关论文，再对作者姓名做消歧，最后按领域相似度排序候选身份，不依赖预定义候选池。

研究提出评估作者消歧可信度的可复现方法，在 30 所机构对比 OpenAlex 与 Dimensions

一篇 arXiv 预印本提出用四项测试估算科研信息源接入机构 CRIS 的整理成本，其中两项只用公开数据，两项对照机构自有已核对记录。

智元联合清华、无问芯穹发布 CEL 群体经验学习：96 台真机实现机器人教机器人

智元携手清华大学、无问芯穹发布群体经验学习范式 CEL，让机器人以同伴的真实作业轨迹为经验来源，在插花、叠衣、手机充电、凳子组装、手机包装五项真实任务上训练的策略全部超过 6 名人类远程操作员平均水平，最高领先 16.7 个百分点。

Simjecture 框架：语言模型智能体以反例驱动完成 Z-pinch 辐射能超额研究

西安交通大学团队提出开源框架 Simjecture，让语言模型智能体围绕人类设定的物理猜想做反例搜索与前瞻性假设修正，并以计算物理作为可执行检验平台。

入选理由作者团队公开了 Simjecture 框架与完整研究记录，研究者可据此判断反例驱动的智能体研究在计算物理中能承担到哪一步。

Simjecture 框架以反例驱动智能体研究 Z-pinch 辐射能超额问题

作者提出开源框架 Simjecture，让语言模型智能体围绕人类设定的物理猜想，以反例驱动的证伪和假设修正推进研究，并用计算物理作为可执行测试环境。团队用该框架开展 82.6 小时研究，考察 Z-pinch 中辐射能超过内爆壳动能这一长期问题，结果显示更强的相干螺旋形变会提高电阻转换、降低辐射并增加滞留能量，更宽的尾随等离子体分布则推迟后段辐射峰值并弥补早期辐射热计亏损。

BioAgent-DF 审计生物医学研究智能体的决策溯源：结论不变但证据路径可能已变

作者提出 BioAgent-DF，用配对参考值与候选值在原坐标上还原或移植，审计生物医学研究智能体在工具数值被静默污染后读了哪些文献、引了哪些句子。在 SciFact 的八个批次中，Qwen3.5-4B 在三个捕获–论断组合上出现可重复的引用变化，Gemma 3 4B IT 在四个组合上出现可重复的阅读与引用变化，共涉及两个论断，而完整还原可恢复参考证据集且结论不变。

北大团队在华为鲲鹏 920 上深度优化 ABACUS 原子算筹，19 类材料核心算子最高快 10.7 倍

北京大学陈默涵团队在华为鲲鹏 920 全系列平台完成开源密度泛函软件 ABACUS（原子算筹）适配，并逐项优化 19 类材料核心算子，相关代码已推送至 GitHub。

Google DeepMind 与 World Resources Institute 用卫星数据和 AI 绘制全球森林类型地图 ForTy

Google DeepMind 与 World Resources Institute 开发出 ForTy（Forest Typology），把 2020 年全球陆地在 10 米分辨率上划分为原始林、自然再生林、人工种植林、种植园、油棕橡胶可可等树作物和其他土地 6 类，作者称这是首个此类全球地图。

OpenResearch v0.2.23 发布：桌面应用与远程安装更新

alphaXiv 的 OpenResearch 发布 v0.2.23，桌面应用可自动更新，远程服务器和计算集群可通过终端安装 ORX 并用 orx update 升级。该版本新增移动端适配的仪表盘工作区、键盘导航与应用菜单，并将 oh-my-pi 加入预配置编码智能体。

BestRand：通过随机采样实现稳定低成本基准压缩

BestRand 是一种稳定、低成本的基准压缩方法，在 70 多个文本、多模态和智能体基准上验证，并将方法扩展至 VLA 评测。相比对比方法，BestRand 将高误差风险降低 50.2%、估计误差平均降低 16.4%，构建成本仅为 51.3%，在分数范围、模型家族和时间偏移下还将 OOD 估计误差平均降低 21.8%。代码与数据已公开。

alphaXiv 发布 OR-decision-4B 模型权重

在此下载权重并了解更多模型信息：https://huggingface.co/alphaXiv/OR-decision-4B 使用 OpenResearch 训练你自己的决策模型：https://github.com/alphaXiv/OpenResearch

Glance：让生成器兼任重排器，单一 9B 骨干完成检索增强生成

Glance 为生成器加装轻量决策适配器与指针头，从共享 prefill 中为候选段落打分，无需对每个查询-段落对单独预填充。

研究重析AI科研智能体论文：无来源数字多为错配而非编造

一项针对 Into the Unknown 基准的重分析发现，AI 科研智能体论文中不受支持的数字多数并非凭空编造，而是取自智能体自己的结果文件却对应了错误的实验、指标或运行。

小米开源 0.8B 文档理解模型 Xiaomi-OCR-0，支持 Markdown 与 JSON 输出

小米开源轻量级文档理解模型 Xiaomi-OCR-0，参数规模 0.8B，权重与推理代码已上线 Hugging Face 和 GitHub，单一模型覆盖文档解析、关键信息抽取与 OCR 视觉问答三类任务。

让 AI 自己提出研究问题：自主科研代理连续完成五次从选题到修订论文

作者 Ko Fujimura 报告一套由通用编程代理、约 7300 词指令文档和两个技能（研究问题构思、同行评审）组成的自主科研系统，在笔记本电脑本地计算、无人类研究输入的情况下连续完成五次运行，从提出研究问题走到经 AI 评审并修订的可重算论文。

研究：检索到的文献如何影响大语言模型的科研构思

一项 arXiv 预印本研究在统一生成协议下比较五种文献检索策略与无文献基线，覆盖 15 个机器学习主题、十个开放权重模型和 45,000 条研究想法。结果显示，相对无文献基线，五种检索策略使同一组论文生成的想法多样性下降 5.6%–17.9%，而把不同论文集生成的想法合并后，多数策略使多样性提升 10.2%–18.1%；对想法质量与新颖性的平均影响较小且随主题变化。

rTaste 研究：六个前沿模型能否判断哪些实验值得做

作者让六个前沿模型以单人或团队形式，从七篇近期 NLP 论文出发各提出五个最小可行实验（MVE），并预测结果、排序；独立执行器把 415 个 MVE 全部跑完，再由三个模型审计。

OpenBMB 的 MiniCPM-OCR 实测手写笔记

很高兴看到 MiniCPM-OCR 在真实手写笔记上接受检验！💙 感谢分享这个例子，帮助传播 MiniCPM-OCR 和 Jev！🙌

Samyama.ai 用双层知识图谱重建学科开放问题目录，状态判定审计 41 条仅 9 条正确

Samyama.ai 作者在 arXiv 预印本中提出把学科开放问题做成数据：手工维护的问题层原样保留，其下叠加从文献索引重建的证据层，两层用带来源的 SAME_AS 与 EVIDENCE_FOR 边连接，存于同一图数据库并用 openCypher 查询。

研究重析 AI 科研智能体论文：无依据数字多为错配而非编造

一项针对 Into the Unknown 基准的重分析发现，AI 科研智能体论文中无依据的数值大多并非凭空编造，而是取自错误的实验、指标或运行。作者重析该基准全部 540 份评审判断，并人工标注 18 份投稿中的 256 条数值主张，在 53 条无依据主张中 47 条属于错配、仅 6 条在可用文件中找不到来源，加权后错配占比约 81%。