全部动态

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。

万方数据杯智能体大赛投稿10月7日截止，训练营第一课回放上线

万方数据杯智能体大赛投稿截至2026年10月7日23点59分，之后进入大众评审及专家评审环节，智能体作品仅保存草稿不视为完成投稿，投稿需同步上传说明素材。智能体训练营直播课已完成全部培训，本期回放由武汉大学大数据研究院科技大数据中心副主任于丰畅讲解什么是Skills。

Search Shapes Conclusions：审计深度研究智能体中的证据选择偏差

北京师范大学与贝壳找房的研究者提出 Causal Evidence Selection Correction（CESS），用于从深度研究智能体实际打开的文档轨迹中估计预设候选文献池所支持的证据方向，并区分“候选池结论”与“改变检索策略带来的效果”这两个不同问题。

SimEX：用仿真整合的自动科研框架让编码智能体自主获取机器人操作能力

得克萨斯大学奥斯汀分校与 Amazon FAR 等机构的研究者提出 SimEX，一个把仿真实验与编码智能体结合的自动科研框架：第一阶段智能体在仿真中自主生成任务、探测能力库弱点并迭代优化，第二阶段用少量真机试验校正仿真并筛选修复方案。

In the Pipeline 博主 Derek Lowe 休假两周，12 日恢复更新

In the Pipeline 博主 Derek Lowe 宣布本周剩余时间及下周整周休假，用于处理事务和休整，博文将于 12 日（周一）恢复更新。

OpenAlex 上线按研究设计筛选功能，覆盖 RCT、系统综述与元分析

OpenAlex 现在支持按研究设计筛选全部文献，涵盖随机对照试验、系统综述、元分析等七种设计，共 2100 万篇作品带标签，覆盖所有领域和语言。OpenAlex 称其随机试验标签精确率为 99.7%，在同一批论文上高于 PubMed；其标注范围是每篇有摘要的作品，其中 30.6 万篇随机试验发表在 MEDLINE 未收录的期刊上。

入选理由OpenAlex 把研究设计标签扩展到全部文献并免费开放 API，做证据综合和循证检索的研究者可据此调整筛选流程。

PathAnchor：用路径化证据组织提升科学智能体的检索与引用完整性

华东理工大学、复旦大学与腾讯的研究者提出 PathAnchor，一个基于路径化证据工作区的科学推理系统，把文献证据组织为 Material–Sensor–Signal–System 功能轨迹，保留角色、方向与每条转换的来源证据，控制器用三个只读工具检索、追踪路径并打开原文，输出带引用的答案和明确的证据边界。

Nature Machine Intelligence：自监督预训练推动能量前沿异质中微子探测器基础模型

Alonso-Monsalve 等人在 Nature Machine Intelligence 发表研究，证明自监督预训练能帮助深度学习模型解读复杂的中微子探测器事件，在分类、重建和数据效率上均有提升，并支持在不同中微子探测器技术之间迁移。论文在线发表于 2026 年 9 月 30 日，DOI 为 10.1038/s42256-026-01309-6。

Population Health Partners 如何用 Kosmos 加速 IND 监管流程

Population Health Partners 与 Edison Scientific 于 2026 年 6 月启动合作，用 Kosmos Clinical Protocol Design 和 Kosmos Regulatory Authoring 支持 IND 准备。

Elicit 推出 Routines，可按日或每周自动执行检索与更新

Elicit 推出 Routines，用户用自然语言告诉 Elicit Research Agent 需要持续执行的任务，它就能按每日或每周的计划运行。Routines 在 Alerts 的基础上更进一步，不只提示有新论文，还会调查发生了什么变化并生成更新，例如每周一检索 CAR-T 疗法的新证据、更新摘要并说明改动及来源链接。

入选理由Elicit 把文献监测从定期提醒扩展为可定时的检索与更新流程，研究者可据此判断能否替代每周重复的检索整理工作。

Anthropic 研究：机器人可完成美国四分之三体力任务，但仅 0.3% 岗位任务具备成本竞争力

Anthropic 发布机器人暴露指数，用 Claude 对 O*NET 约 900 种职业、约 19000 项任务评分，发现当今机器人可完成美国 74% 的体力任务、占 34% 工作时间，但多限于高度受控环境。

Gemini Notebook 实时语音聊天全面上线

实时语音聊天现已向所有移动端 Pro 用户 100% 推出！ 你试过了吗？欢迎告诉我们你的想法！☺️

微软研究院发布生物学 AI 研究系统 Quine，并开放 Quine Fellows 计划申请

微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由生物学世界模型和连接模型、科学工具、文献与研究者的交互式 harness 两部分组成。

入选理由微软研究院公开了面向生物学的多模态世界模型 Quine，并给出胰腺癌细胞状态预测经湿实验验证的案例，研究者可据此判断这类系统在实验设计中的可用边界。

AutoMark：让自主科研代理发现更优的 LLM 水印方案

arXiv 预印本提出 AutoMark，用自动验证与评估框架让编码代理自主搜索 LLM 水印方案，在 GPT-6 Astra、Opus 5、Gemini-3.8 Flash 上共生成 52 个方案，其中 ConcordMark 与 RotationFirst 在留出测试集上优于 AAR、SynthID、TextSeal 等基线。

alphaXiv OpenResearch 发布 openresearch-cli 0.2.13

alphaXiv OpenResearch 发布 openresearch-cli 0.2.13，提供 Apple Silicon macOS、Intel macOS、x64 Windows 及 ARM64/x64 MUSL Linux 预编译二进制包。用户可通过 shell 或 PowerShell 脚本安装，也可直接下载对应平台压缩包并核对校验和。

Synthetic Universes 基准：AI 科学家预测通过不等于还原机制

arXiv 预印本提出 Synthetic Universes 基准，为每个经典物理世界配一个由相近非经典机制控制的孪生世界，用留出延续与迁移执行检验预测，用独立检查器检验是否还原生成机制。

Anthropic 用 Anthropic Interviewer 发起新研究，公开征集人们对 AI 的真实体验

Anthropic 启动一项基于 Anthropic Interviewer 的新研究，公开征集人们与 AI 相处的正负体验、希望 AI 改变什么以及对 AI 公司的期待，参与者可自行决定是否将完整访谈公开。

第二届“万方数据杯”智能体大赛截稿在即，训练营最后一课今日直播

第二届“万方数据杯”智能体大赛投稿将于2026年10月7日23:59截止，作品仅保存草稿不算完成投稿，需同步上传说明素材。智能体训练营第二课于9月29日13:30直播，由万方数据开放平台技术专家讲解评分细则与参赛指引，支持回放，完成两期课程可获电子结业证书。

DeepRewind：预测并修复深度研究智能体的过早定论

不列颠哥伦比亚大学作者提出 DeepRewind，一个叠加在 Open Deep Research 之上的控制层，把智能体的认知状态表示为含来源、证据、论断、假设、承诺、计划与草稿的类型化图，在中间结论被接受前用基于提示的世界模型预测其可逆性并决定是否放行，后续证据推翻承诺时只回滚受影响子图。

Microsoft Research Asia – Singapore 成立一年：推进前沿 AI 研究、合作与人才培养

Microsoft Research Asia – Singapore 作为微软在东南亚的首个研究实验室，成立一年来围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生科研实践、生态与人才培养四大方向推进工作。

FinAutoRubric：专家引导的金融研究智能体评分细则自动生成框架

LinqAlpha 与 UNIST 等机构提出 FinAutoRubric，让专家只写一次可复用的评测指引，由智能体和代码按查询与信息截止日生成、复核并校验评分细则，失败时转人工。

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。

AI Night-Scientist：用强化学习训练模型在科研构思中偏离常规推理

伊利诺伊大学厄巴纳-香槟分校与 Microsoft Research 的研究者提出 AI Night-Scientist，一个基于强化学习的智能体框架，把创造力拆成动作层（怎么做）、过程层（何时探索或利用）和结果层（想法的新颖性与有用性），用 GRPO 训练模型生成长期科研提案。

MechBench：清华等团队提出区分现象规律与机制发现的科学智能体基准

清华大学等机构的研究者提出 MechBench，一个把现象规律恢复与机制发现明确分开评测的基准，每项任务由机制模型定义，智能体只能看到观测数据和科学背景，再通过机制探针考察其内部科学推论。

AfS（Agent for Science）：面向长周期科研智能体的极简节点、可复验工作流与累积记忆架构

论文描述为长周期科研工作设计的平台 AfS（Agent for Science），把科研纪律编码为机械强制执行的"铁律"，使不合规状态在系统中无法表示，而非依赖提示模型自觉。

Import AI 474：Michael Levin 提出"柏拉图心智空间"假说，智谱启动外层 RSI 循环

Michael Levin 在 MDPI 发表论文提出"柏拉图心智空间"假说，认为心智与大脑的关系如同数学模式与其引导的形态发生结果之间的关系，身体（生物、工程或混合）只是模式进入物理世界的接口。该假说尚无决定性实验支持，但 xenobots、anthrobots 及排序算法扰动实验被视为旁证。

PEAR：面向工业搜索系统的渐进式循证 AutoResearch 框架

针对工业搜索中 AutoResearch 的 keep-if-better 规则在非稳态流量下易把短期增益误判为持续提升、以及多保真度评估证据难以统一利用的问题，研究者提出 PEAR 框架，包含 Evidence-driven AutoResearch 与 Confidence-Gated Verifier Ladder 两部分。

SciARP：评估科学智能体在多轮交互中抗科学合理扰动的基准

研究者提出 SciARP 基准，将 GPQA、SciBench、OlympiadBench 和 BixBench v1.5 的 620 道科学问题改造成 3–13 轮相互依赖的任务，并定义覆盖问题理解、证据处理、推理和结论形成四个阶段的 13 类科学合理扰动，对干净版与扰动版分别实时执行以比较轨迹。