全部动态

3DCodeVerse：将 3D 世界作为代码探索

研究团队推出 3DCodeVerse 研究生态，让编程智能体大规模生成可编辑、可验证的 3D 内容，包含 3DCodeVerse-2M 可执行 3D 代码数据集、用于空间推理与自动验证的 3DCodeVerse Harness 多智能体 DAG 框架，以及 3D 编程实践指南。

LLM-Attacker：面向拆分式与分布式 LLM 系统隐私评估的统一红队框架

LLM-Attacker 是一个统一红队框架，用于记录、比较和扩展拆分式与分布式 LLM 系统的隐私评估，兼容攻击可复用已记录消息并保存预测以供独立评分。

JevAgentHarness：让决策模型与 LLM 共享智能体控制权

研究团队提出 JevAgentHarness，把智能体每步的工具选择等选择题交给决策模型 Jev 处理，仅在置信阈值以下才调用大语言模型，以降低长任务的时间与费用。

ACT3D：用结果奖励让视觉语言模型学会在 3D 环境中主动探索

研究团队提出 ACT3D，让视觉语言模型保持单张图像的原始视觉输入，把 3D 表示当作可交互环境，模型通过移动、转向等动作获取新视角后再作答。方法先做轨迹监督微调，再用以最终答案正确性为主要奖励的强化学习训练，不对访问哪些视角或采取哪些动作提供直接监督。

Lexical Reference Frames：用模型原生语义解读语言模型残差流

研究者提出 Lexical Reference Frames，通过模型自身剩余层读取隐藏状态，使其可按模型原生语义解读。在 SmolLM3-3B 和 OLMo3-7B 中层深度，一阶框架 LexFrame[1] 的相干度达 0.97，而固定方向透镜最高仅 0.30 和 0.35，读取结果与模型输出相差 0.16 nats 以内。

Google 称自我改进型 AI 仍遥不可及

Google 工程师 Haydn Belfield 表示，Google DeepMind 未观察到 AI 自身驱动 AI 研究出现可测量的加速，AI 目前承担超过 75% 的生产代码编写，但约 88% 的代码改动仍需人工监督或审核。

Google Research 将 Deep Review 从同行评审扩展到 Google Docs 与演示文稿核查

Google Research 在 Research@ 活动上宣布，Deep Review 在 STOC、ICML、NeurIPS 和 ICLR 累计处理 16K+ 份投稿后，将从科学同行评审扩展到对知识文档（包括 Google Docs 与演示文稿）提供有依据的核查，现已开放试用。原文附有试用链接 https://goo.gle/4zx1OEP。

Meta 用 AI 辅助医学专家产出 10 篇研究稿件，覆盖心脏病学与肿瘤学等

Meta 表示其构建了一套由人类主导的研究框架，由 Muse Spark 1.3 与 Muse Wonder 驱动，可访问 500 万份回顾性去标识电子健康记录及公开数据。一组医学专家用该系统开展原创研究，在假设生成、代码执行和稿件撰写上提速，同时保留对科学决策的全部决定权。Meta 此次公开了由此产出的 10 篇研究稿件，涵盖心脏病学、肿瘤学、传染病、急诊医学等方向，详情见其研究博客。

K-Dense公布首批Hypothesis to Evidence资助名单

我们很高兴地宣布首批获奖者名单！

OpenAlex 覆盖近全部 OJS 期刊，收录比例升至 95%

OpenAlex 宣布其收录的活跃 Open Journal Systems（OJS）期刊比例从 80% 升至 95%，过去一个月新增 10,870 种期刊，并改为直接从 21,864 种期刊的 OAI-PMH 源抓取文章。

Gemini 4 Argon 助力科学突破

Gemini 4 Argon 已在量子计算、核聚变、蛋白质设计等领域解锁新的科学突破。🧵

研究者用 AI 设计可切割特定蛋白的蛋白酶

研究者利用 AI 蛋白设计工具，保留两类蛋白酶催化核心并替换蛋白其余部分，设计出可定向将特定蛋白切成两半的酶。他们通过切割与神经疾病相关的蛋白验证了这些酶的效果。原文提到，肽键本身半衰期估计达数百年，而生物体演化出的蛋白酶能快速将其打断，这项工作相当于绕过了蛋白酶的自然多样化过程。

Ai2 发布 HiRO-ACEv2 气候模拟系统，3 公里分辨率成本约为原来的三百分之一

Ai2 发布 HiRO-ACEv2 系统，可在 3 公里分辨率下模拟全球极端天气，成本约为原来的三百分之一，同时其统计特征与 X-SHiELD 的偏差在 3% 以内，即使对百万分之一量级的稀有事件也是如此。模型已在 Hugging Face 开放（https://huggingface.co/allenai/HiRO-ACEv2）。

华为等提出 SwarmRSI：让科学智能体群体通过共享研究状态递归自我改进

华为、Leiden University 等机构的研究者提出 SwarmRSI 框架，让科学智能体群体通过演化彼此继承的研究状态（假设、程序与实验证据）实现递归自我改进，代码已在 GitHub 公开。

SwarmRSI 框架让科学智能体群体递归自我改进

作者提出 SwarmRSI 框架，通过 Feedback-Guided Swarm Mutation 和 Complementary Swarm Recombination 两个机制，让科学智能体群体利用彼此的实验反馈修正假设与实现，并把保留的假设和互补程序组件复用到新研究中。

Google 在 Research@ 2026 发布多项科研 AI 能力，Deep Review 公开上线

Google 在 Research@ 2026 活动上公布多项面向科研的 AI 能力，其中 Deep Review 在 STOC、ICML、NeurIPS、ICLR 的 15000 余份投稿中完成部署后正式公开上线。

入选理由Deep Review 已在 STOC、ICML、NeurIPS、ICLR 的 15000 余份投稿中试用后公开，审稿人和会议组织者可据此判断它能否进入评审流程。

Google 发布 Deep Review，面向全球开放技术文档自动评审

Google 公开发布智能体系统 Deep Review，对复杂文档提供技术验证与反馈，最初面向计算机科学论文分析，现已扩展到法律、金融等领域。每位用户每周可免费获得两次文档评审，也可接入 Gemini API key 提高用量并通过 Deep Review API 做程序化集成，目前支持 PDF 和纯文本输入。

入选理由Google 把预投稿反馈工具 PAT 升级为面向全球开放的 Deep Review，研究者可据此判断自动评审能否补上人工验证的缺口。

Google 发布地理空间推理智能体技术报告，并开放 Earth AI 早期访问

Google 公布地理空间推理智能体的技术报告，在 CBGB、UnivEARTH 及新发布的 GeoExpertQueries、GeoKTools 四个基准上比较了四种配置，结果显示接入 Earth AI 专用工具后定量空间任务得分明显提升，而开放式问题还需要前置规划。

入选理由Google 公开了地理空间推理智能体的技术报告与两个新基准，并给出 WHO 等机构的早期实测，研究者可据此判断这类地球科学智能体能否接入自己的空间分析流程。

Google Research 发布十项科研工具进展，Deep Review 开放公众使用

Google Research 在 Research@ 活动上公布十项科研相关工具进展，其中智能体审稿系统 Deep Review 从早期版本扩展至面向公众开放，用于核查技术文档的逻辑一致性与事实依据。

入选理由Google 公布十项科研相关工具进展，其中 Deep Review 已用于审阅逾 1.6 万篇会议投稿，研究者可据此判断 AI 审稿辅助的可用范围。

Ai2 发布 HiRO-ACEv2，以约三百分之一成本生成全球 3 公里气候数据

Ai2 发布 HiRO-ACE 系统的新版本 HiRO-ACEv2，其降尺度模型 HiROv2 可同时预测多种高分辨率变量，不再只限于降雨，并提升了对极端事件的预测能力。

入选理由Ai2 公布气候模拟系统更新，研究者可据此判断能否用低成本方式生成极端天气的高分辨率数据。

NVIDIA 发布 cuPotential 库，并联合半导体厂商推进 AI 定义晶圆厂

NVIDIA 发布 CUDA-X 新库 cuPotential，开发者可用它构建模拟原子与分子相互作用的 AI 智能体，早期访问测试中在已针对 GPU 优化的流程上再提速 2-3 倍。

入选理由cuPotential 面向原子与分子相互作用模拟，早期测试在已 GPU 优化流程上再提速 2-3 倍，材料与半导体研究者可据此评估现有模拟流程的改造空间。

NVIDIA 发布 Nemotron 3.5 Super VL 多模态模型，开放权重并配套后训练数据

NVIDIA 发布 Nemotron 3.5 Super VL，这是一个开放、可定制的多模态模型，采用 120B 参数 MoE 架构、每个 token 激活 12B 参数，融合推理、指令遵循、工具调用与文本、图像、文档、视频理解。

扎克伯格与Alexandr Wang谈Muse Wonder

@finkd 和 @alexandr_wang 与 @collision 畅聊 Muse Wonder 以及 MSL 的方方面面。 观看完整对话：https://x.com/collision/status/2109714250226905248

微软概率偏差校正提升延伸天气预报

天气预报在两周之后便不可靠，给农民和其他人留下了关键空白。概率偏差校正（Probabilistic Bias Correction）改进了延伸期预报，在全球竞赛中拔得头筹，并展现出在实际应用中大有可为：https://msft.it/6013aseY9 图片来源：科罗拉多州立大学大气研究合作研究所与美国国家海洋和大气管理局（CSU/CIRA & NOAA）

MIT 团队用机器学习后处理将两到六周天气预报准确率提高一倍

MIT 等机构的研究团队开发了一种机器学习后处理层，通过学习历史数据修正现有预报模型的误差，在两周到六周的次季节预报中把黄金标准模型的预测能力提高了一倍，并首次在该时间尺度上超过气候平均值。相关论文发表在 Nature，该方法在 ECMWF 的预报竞赛中获第一名，对极端天气的预测也有统计显著提升。该模型是开源、低成本的附加组件，可搭配任意预报模型使用，肯尼亚气象部门已联系希望用于改进季风预报。

入选理由研究团队用后处理层修正现有预报模型误差，把两周到六周的次季节预报准确率提高一倍，并开源低成本，能源与农业用户可据此评估部署可能。

Terence Tao 博客：First Proof 第三批网络研讨会

Terence Tao 博客发布“First Proof, Third Batch webinar”通知，正文仅包含评论区 LaTeX 使用说明，未披露研讨会具体内容、时间或参与方式。

OpenEvidence 与 Johns Hopkins Medicine 宣布合作，设计 AI 时代的医学与医学教育模式

OpenEvidence 与 Johns Hopkins Medicine 宣布建立战略合作，共同重新构想 AI 时代的医学教育与临床诊疗。合作围绕两大支柱：培养下一代临床医生，以及让患者获得基于最新循证临床指南的诊疗。双方还将开发以人为先的 AI 系统，结合患者病史与 Johns Hopkins Medicine 的既有最佳实践，帮助临床医生更快推理并做出决策。

Amp 用 OpenAI 模型让 AI 智能体走出代码场景

Amp 借助 GPT-6 Astra、Ultrafast、GPT-Live-1 及 Sign in with ChatGPT，把 AI 智能体的能力拓展到代码之外的场景。该消息由 OpenAI 发布，展示的是 Amp 在这些 OpenAI 模型上的应用方式。

汤森路透评测：编排框架比模型规模更能缩小法律文本转 XML 的差距

汤森路透团队在 arXiv 发布预印本，报告一套已投产的多智能体流水线，把美国州立法 PDF 转换为受 DTD 约束的出版 XML，并在 153 份专家标注法案（103 份爱达荷、50 份新泽西）上做模型与编排的交叉消融。

学术出版中的 AI：采用速度是否超过了证据积累？

PA EDitorial 首席运营官 Sarah Hands 在 The Scholarly Kitchen 撰文指出，出版商对 AI 工具的采用可能正快于对其实际成效的评估，工具上线只是开始，更需追问是否带来预期收益、在何处引入新风险。