全部动态

Google 9 月 AI 更新汇总：Gemini 4 Argon、Gemini 3.8 Flash 与 WeatherNext 3

Google 回顾 9 月 AI 更新，发布最新前沿模型 Gemini 4 Argon，具备高级推理与 100 万 token 输出上限，正通过 Fairwind Program 向受信任网络安全防御方逐步开放。

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。

Ai2 开源 AstaBrief 8B 报告生成模型并公开训练数据

Ai2 开源 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的模型，已在 Asta 的 Generate a report 功能中作为 Fast mode 上线，与 Claude 驱动的 Thinking mode 并列。

入选理由Ai2 公开了报告生成模型的权重、训练数据与本地部署工作流，研究者可据此评估自建文献综述流程的可行性。

UCLA 团队发布 Ansatz：用持续图记忆的数学研究智能体解出多个开放问题

UCLA 团队提出数学研究智能体 Ansatz，其核心是持续图记忆（Continual Graph Memory），用依赖图组织事实、计划与反例等中间结果，并支持跨问题复用经验。

入选理由数学研究智能体 Ansatz 用图记忆组织证明搜索，在十个基准问题上全部通过，并独立给出四个开放问题的完整解。

Google Project Suncatcher 原型卫星入轨，将测试 TPU 在太空环境下的表现

Google 与 Planet 合作研制的 Project Suncatcher 原型卫星搭乘 SpaceX Transporter-18 拼车任务入轨，团队已确认建立联系且卫星运行正常。未来数周将收集 TPU 在太空飞行物理应力以及辐射、极端温度下表现的在轨数据，相关同行评审论文已发表在 Joule。该项目是探索太空能否承载可扩展机器学习基础设施的长期研究计划的第一步。

实测 Jev 能否以极低成本替代 LLM 做系统综述筛选

Aaron Tay 实测 TypeSafe 的零样本决策模型 Jev 用于系统综述标题摘要筛选，在 8 个 CLEF-TAR 2019 DTA 综述共 26832 条记录上，单问题设置取得 WSS@95 = 0.661，成本约 1.46 美元，优于多数已发表的 LLM 流水线，仅低于 2026 年三 LLM 集成方法的 0.680（加嵌入重排为 0.708）。

Meta 等提出 MIRA 与 MIRA-AC，把长周期自主科研拆成显式选题决策

Meta AI、特拉维夫大学和哥伦比亚大学的研究者提出 MIRA，一种分层架构，把长周期科研拆成外循环元推理决策与内循环执行：外循环从持久研究记录中整理证据，产出工作指令或终止决策，内循环用 Codex 执行单次调查。

PubTech Radar 第 45 期：Made by Humans、Xplore AI Research Suite、LeapSpace 写作教练等发布

Press Gazette 与 Flip-Pay 推出 Made by Humans，可在发布前检测文本、图像、视频和音频是否由 AI 生成或被操纵，底层使用 Pangram 和 identifAI。

从 OpenClaw 到 OpenAI dots：AI 智能体为何不再需要人类管理

Ethan Mollick 在 Substack 中修正了自己此前的判断：管理 AI 智能体并不需要人类精心设计组织结构，AI 自己就能学会分工协作。他以 OpenAI 的 dots、Meta 的 Muse 等 Clawlikes 类个人智能体为例，说明用户无需提供大量上下文或计划，智能体可自行从消息中学习并主动发现问题。

Ai2 发布 Olmo-core 3，面向万亿参数 MoE 的开源训练框架

Ai2 发布 Olmo-core 3，这是其大语言模型开发框架的一次重大升级，重新设计了开放的混合专家（MoE）训练系统，目标是把 MoE 训练扩展到万亿参数规模并保持计算效率。

入选理由Ai2 开放了面向万亿参数 MoE 的训练框架，学术研究者和小型实验室可据此评估自建大模型训练的门槛。

YouRA：面向可溯源自主科研智能体的持久状态架构

韩国电子通信研究院（ETRI）提出 YouRA（Your Research Agent），一种面向自主科研的持久状态架构，通过 Verification State Architecture（VSA）、Independent Controller 和 Stateful Reflection 三个组件保存研究状态、执行证据与失败历史。

牛津等团队提出 RAC：让 AI 科学家在运行时协调分工

牛津大学、KAUST、悉尼大学与剑桥大学的研究者提出 Runtime Agent Coordination（RAC），在 Agent Laboratory、EvoScientist 和 ARK 三个 AI 科学家系统执行过程中动态选择下一个智能体，并加入工作契约与基于产物的验证。

LACE：用大语言模型发现互补启发式算法求解组合优化问题

Huatian Gong 等人在 Nature Machine Intelligence 发表 LACE，一个基于大语言模型的优化算法设计框架。该框架先构建经过验证的问题契约，再演化出一组互补的启发式算法，共同求解单一方法无法处理的问题。论文于 2026 年 10 月 1 日在线发表，DOI 为 10.1038/s42256-026-01307-8。

物理学家 Matthew Schwartz 复盘 Claude 驱动的 BootLoops 科研实践

Anthropic 研究博客发布客座文章，物理学家 Matthew Schwartz 描述他不再让 Claude 扮演人类科学家，而是寻找适合当前 LLM 能力的“Claude-shaped”问题，并为此构建开源工具包 BootLoops。

入选理由一位物理学家复盘用 Claude 与 BootLoops 在 18 个领域推进 36 篇稿件的经验，对想找 AI 适配课题的研究者有参考价值。

Nature Machine Intelligence 报道 DeepEvidence：从知识检索转向证据探索与综合

Nature Machine Intelligence 刊文介绍 DeepEvidence，一个深度研究智能体，它不止于检索事实，而是构建科学证据的显式表示。文章指出生物医学发现已进入限制资源不再是数据、而是整合与解读证据能力的阶段。DOI 为 10.1038/s42256-026-01313-w。

Google AI 流感预测模型在 CDC 2025-26 季评中排名第一

美国 CDC 本周公布的 2025-26 流感季赛后分析显示，在 39 个合格模型中，Google 用 AI 构建的流感预测模型对流感相关住院人数的预测最接近实际观测值。

入选理由CDC 对 2025-26 流感季的赛后评估显示，Google 的 AI 模型在 39 个合格模型中预测住院人数最准，研究者可据此了解 AI 生成优化算法在真实公共卫生预测中的位置。

Google DeepMind 发布 Gemini 4 Argon，输出上限提至 100 万 token

Google DeepMind 发布前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络防御方开放，随后逐步扩展到开发者、企业和消费者，起步价为每百万输入 token 2 美元、每百万输出 token 10 美元。

入选理由Gemini 4 Argon 把长程推理和百万级输出用于代码迁移、漏洞发现与科研优化，研究者可据此判断它在自身工作流中的位置。

Vals AI 发布 Legal Research Bench：13 个前沿模型全项通过率最高仅 42.9%

Vals AI 推出 Legal Research Bench（LRB），包含 413 道由执业律师编写的美国法律研究开放题，每题配有标准答案、来源清单和二元评分细则，并公开了可复现的智能体评测框架与 5 题公开样本。

Elicit 推出 Routines，让 Research Agent 随新证据自动更新图表与元分析

Elicit 推出 Routines，用户可让 Research Agent 持续跟进研究主题，在新证据出现时自动修订图表和元分析等结果。官方称此举针对证据不断变化、今天的结论明天可能被推翻的情况，更多用法见其博客 https://elicit.com/blog/introducing-routines-research-that-keeps-working。

微软研究院用机器学习预测电网空间天气风险，覆盖美国 66,935 座变电站

微软研究院实习生开发了一套端到端机器学习管线，利用 L1 太阳风观测、AE 与 Dst 指数预报及变电站所在地的纬度与地质电导率数据，为美国本土 66,935 座变电站生成 30 至 60 分钟前的局地空间天气风险估计。

K-Dense 发布 LabMCP 等更新，支持用自然语言操作实验室仪器

K-Dense 发布开源 LabMCP，包含 32 个连接器和 411 个动作，让 AI 助手用自然语言操作天平、加热板、泵和探头；每个请求都会对照用户设定的安全限值检查，所有命令均被记录，并提供无需接入设备的练习模式。

入选理由材料给出了连接器数量、安全限制与日志机制，研究者可据此判断能否用自然语言驱动实验室仪器。

ConflictGuide：让竞争行为可见，提升 AutoResearch 的模型演化效果

新加坡国立大学等机构的研究者提出 ConflictGuide，在基于大语言模型的 AutoResearch 循环中引入竞争行为反馈：先用标量任务反馈做广泛探索，待任务增益减弱后，用文献分类体系识别模型特有的行为冲突并设计探针，把探针结果反馈给代码智能体以引导修改和保留决策。

Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质和结构加水印

Google DeepMind 推出 SynthID Bio，把水印嵌入 AI 生成的蛋白质序列和 3D 结构，并可在合成出的实体蛋白上验证，同时保持其生物功能。

入选理由Google DeepMind 把水印嵌入蛋白质序列与 AlphaFold 3 预测结构，为 DNA 合成筛查和数据库标注提供可验证信号。

腾讯混元联合复旦、清华发布 ExplorationBench，评测 AI 系统自主探索能力

腾讯混元与复旦大学、清华大学的研究者发布 ExplorationBench，用于测量 AI 系统在未知规则环境中自主探索的能力，论文见 arXiv:2609.30199。

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。

Qwen3.8-27B 上线 Nebius

Qwen3.8-27B 现已通过 @nebiustf 提供。无论你是在构建智能体还是进行深度研究，这款 27B 稠密模型都已准备好支持你的多步骤工作流！🥳

中科院团队提出 EEM 框架，用实验经验建模降低自主科研实验成本

中国科学院计算技术研究所等机构的研究者提出 Experimental Experience Modeling（EEM）框架，用于自主科研中的实验决策：从既往实验轨迹中提取可复用的经验条目，判断历史经验是否足以决定某个方向是否值得继续投入，不足时再执行低成本的针对性试点实验，并将新经验回填经验库。

AutoMIP：面向混合整数规划的自主科研框架在 MIPLib 与 MINLPLib 上找到新最优解

作者提出 AutoMIP，一个用于混合整数线性与非线性规划（MILP/MINLP）的自主科研框架，通过持久化想法池与算法树联合管理研究方向与可复用实验状态。在 MIPLib 的 60 个实例中，AutoMIP 为 31 个找到新的最优解；在 MINLPLib 的 60 个实例中为 52 个找到新的最优解，均超过所比较的自主科研框架。

openresearch-cli v0.2.14 发布：修复 Claude Code 认证检测与运行边界

openresearch-cli 发布 v0.2.14，修复 Claude Code 经 Bedrock 认证时被误报为未登录的问题（#480），并明确上传 skill 与本地运行器的边界（#458）。

DAGent：面向深度研究智能体的 Evaluate-then-Grow 增量规划框架

纽约大学等机构的研究者提出 DAGent，一个基于有向无环图的多智能体框架，用 Evaluate-then-Grow 增量规划替代先规划后修补：Orchestrator 依据已完成节点的置信度与不确定性信号逐批扩展任务图，并配套 DAG 条件强化学习 DAGRPO。