跳到正文

全部动态

按时间排列的全部内容。默认只显示通过双重评分的入选条目;切换到“全部收录”可以检索所有抓到的资料。

35 条入选报道,更新于 11:07

11月9日

星期一,1 条
  1. 姚期智、杨植麟联合署名论文推出TCSExam,评测9个前沿大模型的理论计算机科学能力

    姚期智团队联合杨植麟等发表署名论文《TCSEXAM:在TCS研究的全范围内评估前沿大型语言模型》,推出TCSExam评测,把定理证明、求解器工程、构造和开放猜想四类任务纳入同一考卷,由Lean内核等机器验算。

    入选理由论文把理论计算机科学的定理证明、构造、求解器与开放猜想纳入统一评测,研究者可据此判断大模型在哪些数学任务上已能产出可机器核验的结果。

    科学网预印本重要性 78

11月6日

星期五,1 条
  1. Scientist World 把1000篇论文改造成AI科学家可执行的研究环境

    Scientist World 提出一套多智能体流水线,把每篇论文复现为可执行、可评分的科研环境,AI科学家在其中按相对论文复现结果的改进幅度(FNI)计分,首批发布1000个经独立验证的环境。

    入选理由论文把已发表论文改造成可执行、可评分的科研环境,并公开首批1000个环境与6400小时研究轨迹,研究者可据此判断AI科学家的评测与训练方式。

    arXiv 科研构思与自主科研代理预印本重要性 78

11月5日

星期四,1 条
  1. 大语言模型能写文献综述吗?研究以102篇文献基准测试六款AI工具

    一项预印本研究以Schultz等(2025)已发表的“Spanish plume”天气模式综述为基准,用其102篇文献语料分四步测试ChatGPT Deep Research、Gemini Deep Research、Claude网页版、Codex、Claude Code和NotebookLM:检索、逐篇解读、跨文献综合、提出未来方向。

    入选理由以102篇已发表综述为基准,分四步实测六款通用AI工具,给出研究者可直接照做的八条使用建议。

    arXiv cs.DL 数字图书馆预印本重要性 78

11月4日

星期三,1 条
  1. Anthropic 用 Claude 解析噬菌体 vault 颗粒结构,预印本已投 bioRxiv

    Anthropic 生物学研究团队借助 Claude 完成了原核细胞中 vault 颗粒的首次三维结构解析,相关预印本已提交 bioRxiv。

    入选理由Anthropic 生物实验室用 Claude 完成从序列检索到冷冻电镜建模的全流程,给出原核细胞中首个 vault 颗粒结构,研究者可据此判断 AI 在结构生物学中的分工边界。

    Anthropic Research官方预印本重要性 71

11月2日

星期一,1 条
  1. 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。

    arXiv 科研构思与自主科研代理预印本重要性 78

11月1日

星期日,1 条
  1. 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。

    arXiv 科研构思与自主科研代理预印本重要性 78

10月30日

星期五,2 条
  1. 上海AI实验室联合清华推出蛋白质改造评测基准PFArena,评测显示大模型尚难可靠完成改造

    上海AI实验室联合清华大学智能产业研究院(AIR)及清华大学药学院推出专业蛋白质改造评测基准PFArena,基于202项真实蛋白质实验、293个任务实例和60万余条候选记录,评测6种蛋白质语言模型、6种通用大语言模型及基于Biomni和AMixKit构建的5种智能体组合。

    入选理由上海AI实验室联合清华发布PFArena,用202项真实实验衡量模型能否在有限实验预算下选对突变,为蛋白质改造的AI评测提供了新口径。

    上海人工智能实验室·科研动态官方预印本重要性 62
  2. alphaXiv 推出 autoresearch:改 arXiv 链接即可自动复现论文

    alphaXiv 推出面向 arXiv 论文的 autoresearch 功能,把任意论文 URL 中的 arxiv 改成 autoarxiv 即可触发。OpenResearch 会为用户创建项目、在用户选定的算力上搭建环境并运行最小复现,智能体在完全本地的闭环中跟踪日志、可视化运行过程并产出结果文件。

    入选理由把 arXiv 链接改成 autoarxiv 就能触发本地复现流程,研究者可据此判断它是否适合自己验证论文。

    alphaXiv预印本重要性 70

10月28日

星期三,2 条
  1. MIT 研究:26000 篇论文全文语义相似度在 2021 年后升至 3 倍

    MIT 数学系团队用语义语言模型筛查 CORE 数据库中 8 个领域 2015–2025 年的 26000 余篇全文论文,发现与近五年文献语义相似的文本占比在 2021 年前基本稳定,之后急剧上升,到 2025 年达到 2015–2020 年均值的 3.11 倍。

    入选理由研究用固定规模对照样本衡量全文语义重复度,为编辑和审稿人判断论文文本原创性提供了一个可复用的测量思路。

    arXiv cs.DL 数字图书馆预印本重要性 78
  2. Ai2 研究:大语言模型能否可靠判断科研想法的新颖性

    Ai2 发布研究 Old Ideas, Novel Problems,测试大语言模型作为新颖性评判者(novelty judge)是否可靠,并公开基准、数据和代码及可自动构建评测集的流水线。

    入选理由Ai2 用 ICLR 2026 审稿意见构建新颖性评测集,显示同一批想法在提示词微调下判定大幅翻转,为使用 AI 评估科研构思的团队提供了可复用的测试工具。

    Hugging Face Blog官方厂商自述重要性 71

10月27日

星期二,2 条
  1. OpenAI公布数学、计算机和物理学3项新发现,涉及挂谷猜想与杨–米尔斯理论

    OpenAI于当地时间10月26日宣布在调和分析、复杂性理论和量子场论三个方向取得新发现,称其模型给出了局部光滑猜想在所有维度下的证明,并证明指数时间假设(ETH)为假,还严格证明了包含规范场与费米子的四维相互作用量子场论。

    入选理由三项成果均待学界独立验证,外部专家团队参与核查的安排,为研究者判断AI产出可信度提供了参照。

    科学网预印本重要性 80
  2. arXiv 投稿增长在 2026 年初出现断点,与智能体 AI 模型发布同期

    一项预印本分析用 arXiv 月度投稿量与元数据发现,2025 年 12 月至 2026 年 2 月间出现第二次增长断点,时间上紧随 2025 年末一批可长时间自主工作的模型发布。

    入选理由该分析用 arXiv 投稿量定位 2026 年初的增长断点,并指出数学等桌面型领域增幅最大,为投稿限制与科研评价提供依据。

    arXiv cs.DL 数字图书馆预印本重要性 83

10月26日

星期一,1 条
  1. 研究:LLM 审稿人偏好自信措辞,内容不变也会改变评分与录用判断

    CISPA 等机构的研究者提出一套受控改写框架,在保持论文科学内容不变的前提下,把论文改写成母语/非母语英语风格以及高自信/低自信风格,再交给多个 LLM 审稿人评审。

    入选理由研究用内容保持不变的改写实验量化了 LLM 审稿人对自信措辞的偏好,并给出可复用的压力测试框架。

    arXiv 关键词查询 · AI 科学家/同行评审/文献预印本重要性 78

10月25日

星期日,1 条
  1. h1 用简单智能体循环在 Lean 4 中刷新形式化定理证明基准并解决 8 个开放问题

    研究团队提出 h1,一个给模型提供 Lean 4 高效接口、依靠验证器反馈与自我反思持续尝试的简单 harness,不预设分解或搜索结构。

    入选理由对做形式化证明的研究者来说,这篇给出了一个反直觉的对照结果:简单智能体循环加高效 Lean 接口,可能比人工设计的分解与搜索流程更划算。

    Hugging Face Daily Papers预印本重要性 80

10月23日

星期五,1 条
  1. Ai2 发布 LitPivot:围绕文献动态组织证据,辅助科研构思修订

    Ai2 与宾夕法尼亚大学合作发布 LitPivot,该系统用 Asta Paper Finder 检索的论文,把研究提案拆成问题、贡献和评估方案三部分,围绕正在编辑的部分组织文献、给出带原文摘录的批评和可接受或拒绝的修改建议。

    入选理由Ai2 把文献检索与科研构思的修订过程绑定,研究者可据此判断这类工具能否介入早期选题。

    Ai2 / Allen Institute for AI官方预印本重要性 67

10月18日

星期日,1 条
  1. Épi 自主研究智能体产出 120 项纪录结果并给出 Tuza 猜想新证明

    研究团队发布技术报告,介绍跨会话持续运行的自主研究智能体 Épi,它结合分层记忆、版本化分支和独立评审,在固定验证规则下产出 120 项纪录结果,包括 20 项数值界纪录和 100 项构造纪录,其中 n-queens 常数区间收窄约 84 倍,四次 Feigenbaum 吸引子维数的严格区间收窄超过 360 万倍。

    入选理由作者团队公开了可核查的构造与证书,研究者能据此判断自主研究智能体在数学与算法设计上已能产出何种可检验结果。

    arXiv 科研构思与自主科研代理预印本重要性 88

10月16日

星期五,2 条
  1. Claude 自主设计出更省资源的量子电路,八项任务均优于已发表方案

    Anthropic 用自然语言规格和自动评分器让 Claude 在闭环中设计量子电路,在化学、优化、量子模拟、数论和数值计算共八项任务上给出比已发表最优方案使用更少量子比特和门的新设计,部分提升达一个数量级以上。

    入选理由Anthropic 让 Claude 在闭环中自主设计量子电路,八项任务均优于已发表设计,为量子算法资源估算提供了可复用的自动化路径。

    Anthropic Research官方预印本重要性 78
  2. Sakana AI 发布 The Agentic Scientist,用编码智能体做共同发现并开源

    Sakana AI 发布第三阶段系统 The Agentic Scientist,把 Codex、Claude Code 等现成编码智能体包进一套 scaffold,由它控制智能体看到什么、写什么、如何评估以及结果如何交给下一阶段,覆盖课题设定、假设探索、实验、验证到论文写作。

    引用Sakana AI@SakanaAILabs

    The Agentic Scientist: Orchestrating Coding Agents for Automated Scientific (Co-)Discovery Blog: https://pub.sakana.ai/agentic-scientist/ GitHub: https://github.com/SakanaAI/AI-Scientist-v3 arXiv: https://arxiv.org/abs/2610.18933 Since 2024, we’ve used The AI Scientist as a way to test how far AI alone can take scientific research, from v1 to v2 to the paper published in Nature earlier this year. The Agentic Scientist is the next step in that line of work, built for the era of coding agents. Coding agents such as Codex and Claude Code now carry out long software tasks on their own. Handing them a research problem, however, tends to produce a strong hyperparameter optimizer rather than a scientist: scores go up, but ideas stay narrow, and the reasons for the gain are rarely examined. The Agentic Scientist makes the research loop explicit. It wraps off-the-shelf coding agents in a scaffold that controls what they see, what they write, how they are evaluated, and how results are handed to the next stage. Parallel workers test hypotheses against rubrics defined before any experiment runs, share successes and failures through a common memory, and then ablate the winning program to generate evidence. We used an early version of the system to study Error Diffusion, a biologically motivated alternative to backpropagation. Our researchers set the question and the rubric, chose directions at each stage, and verified the results, references, and claims before submission. The resulting paper was accepted as an oral presentation at ALIFE 2026. In autonomous runs, the system also raised Doc-to-LoRA retrieval accuracy from 52% to 98% on multi-needle tasks and designed a learned evolution strategy that improves over its CMA-ES reference on unseen tasks. Alongside it we release AutoIllustrate, a pipeline for scientific figures that keeps an editable http://draw.io file as the source of truth, so every diagram can be corrected by hand. Humans define the question and the standards of evidence; agents expand the experiments researchers can run. We call this Co-Discovery, and we are releasing both systems as open source for the community to build on.

    入选理由Sakana AI 公开了把编码智能体组织成科研流程的开源框架,研究者可以据此判断人机分工的边界。

    Sakana AI预印本重要性 78

10月15日

星期四,2 条
  1. 上海AI实验室许地生团队用书生-S2 人机协同证明三维Ghys猜想

    上海人工智能实验室访问学者、大湾区大学教授许地生团队依托书生科学多模态大模型S2(书生-S2),通过人机协同完成困扰数学界30余年的三维Ghys猜想证明,论文已发布在预印本平台arXiv,形式化代码在GitHub公开。

    入选理由材料完整呈现了人机协同证明数学猜想的流程与形式化验证环节,研究者可据此判断大模型在自身领域承担长程推导的可行边界。

    上海人工智能实验室·科研动态官方预印本重要性 85
  2. 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 Blog官方预印本重要性 71

10月14日

星期三,1 条
  1. 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。

    MIT News · AI预印本重要性 82

10月13日

星期二,2 条
  1. 研究:GPT-4o 审稿能判断论文对错,但判断不了重要性

    一项预印本研究让 GPT-4o 审阅 2024 年 AFA 年会和 NBER 金融会议上的 280 篇论文,再对照其两年内是否发表于 Journal of Finance、Journal of Financial Economics、Review of Financial Studies。

    入选理由用 2024 年 AFA 与 NBER 会议论文对照两年内顶刊发表结果,量化了大模型审稿在哪些维度上有信息、哪些没有。

    arXiv 关键词查询 · AI 科学家/同行评审/文献预印本重要性 78
  2. Amazon Web Services 提出 priming 方法:无需从头重训即可改造 Transformer 架构

    Amazon Web Services 团队提出 priming 方法,利用预训练 Transformer 权重作为起点,将混合架构的预训练成本降低 99% 以上,相关论文题为《Priming: Hybrid state space models from pre-trained Transformers》。

    入选理由Amazon Web Services 提出 priming 方法,把混合架构的预训练成本降低 99% 以上,并开源 8B 与 32B 模型,研究者可据此低成本比较不同状态空间层。

    Amazon Science官方预印本重要性 78

10月11日

星期日,1 条
  1. Sakana AI 提出 MASS:多智能体自监督实现递归自我改进

    Sakana AI 发布论文《Recursive Self-Improvement through Multi-Agent Self-Supervision》,提出 MASS 方法:一个共享模型通过虚拟子智能体团队解题,搜索更优的多智能体工作流,再用自身判断选出最佳方案,并把最佳团队的执行经验蒸馏回共享模型。

    入选理由论文提出多智能体自监督方法,让同一模型在自改进循环中互相评估,研究者可据此判断自改进路线的可行边界。

    Sakana AI官方预印本重要性 60

10月9日

星期五,1 条
  1. 腾讯混元联合复旦、清华发布 ExplorationBench,评测 AI 自主探索与规则发现能力

    腾讯混元、复旦大学与清华大学的研究者发布 ExplorationBench,用于衡量 AI 系统自主探索规则的能力,并构建了规则可执行、答案可精确校验的 Alien Worlds 环境。该基准包含 AlienCode(31 处隐藏规则改动、70 个任务)和 AlienLogic(24 条修补后的推理规则、70 个定理),每个答案由解释器或证明检查器评分,不使用 LLM 评判。在 10 个前沿 AI 系统上的测试显示,获得反馈比单纯思考更有效,AlienCode 中最佳系统经四轮探测从不超过 15.7% 提升到 89.0%,而同样轮次无反馈仅 0.5–11.0%;同一系统在同一预算下得分可在 5.7% 到 79.0% 之间波动。论文见 arXiv:2609.30199,代码即将开放。

    引用Tencent Hy@TencentHunyuan

    New Research: We are releasing ExplorationBench, a benchmark for measuring how AI systems explore. Scientific discovery begins where known problems end: a system has to frame hypotheses, design experiments, and learn from the results. Evaluating this is hard. Genuinely new answers cannot be checked quickly, and in familiar domains a model can simply recall what it has seen. Addressing this challenge, researchers from Tencent Hy, Fudan University, and Tsinghua University built verifiable Alien Worlds. Their rules are executable, so every answer is checked exactly, and they conflict with familiar knowledge, so recall alone cannot solve the tasks. 🔹 Two sandboxes: AlienCode (31 hidden rule changes, 70 tasks) and AlienLogic (24 patched inference rules, 70 theorems) 🔹 A flawed manual, four rounds of self-designed probes, and closed-book tests after every round 🔹 Every answer graded by an interpreter or a proof checker, with no LLM judge What we found across 10 frontier AI systems: 1️⃣ Getting feedback is more effective than thinking alone. No AlienCode run starts above 15.7%; after four rounds the best reaches 89.0%, while the same turns without feedback stay at 0.5–11.0%. 2️⃣ Designing the experiments matters. Replaying a system's own best probes gives it exactly the same evidence, yet in AlienCode 9 of 10 systems do worse than when they chose the probes themselves. 3️⃣ Knowing a rule is not using it. Even when every required rule is stated correctly, tasks are solved only 73.4% of the time. 4️⃣ One score hides a lot. The same system under the same budget ended anywhere from 5.7% to 79.0%, and rankings barely transfer between the two worlds. CL-bench asked whether models can learn from context. ExplorationBench asks whether they can discover the rules themselves. 📄 Paper: https://arxiv.org/abs/2609.30199 🌐 Website & leaderboard: https://explorationbench.com 📝 Blog: https://explorationbench.com/blog/ 💻 Code (coming soon): https://github.com/Tencent-Hunyuan/ExplorationBench

    入选理由腾讯混元联合复旦、清华发布可验证基准,用规则可执行的外星世界考察 AI 能否自主发现规则,而非依赖记忆。

    腾讯混元预印本重要性 67

10月7日

星期三,1 条
  1. Ai2 的 Bolmo 字节级语言模型研究发表于 Nature,并开源新检查点

    Ai2 宣布其 Bolmo 字节级语言模型研究已发表于 Nature,并在 Hugging Face 发布新检查点,把 byteifying 方法从 Olmo 扩展到其他模型家族。

    入选理由Ai2 公开了把子词模型转换为字节级模型的 byteifying 流程与检查点,研究者可据此评估字节级路线能否替代固定词表方案。

    Ai2 / Allen Institute for AI官方预印本重要性 62

10月6日

星期二,1 条
  1. Google Earth AI 联合全球卫生伙伴发布公共卫生预测研究

    Google 发布与全球卫生伙伴合作的多篇研究论文,展示 Google Earth AI 结合卫星影像、移动性数据与 AlphaEarth Foundations、Population Dynamics Foundation Model(PDFM)等基础模型,用于疾病暴发预测与社区健康趋势分析。

    入选理由Google 把地理空间基础模型与人口动态模型接入公共卫生预测,研究者可据此判断这类模型能否用于疾病监测与资源调度。

    Google Blog · Health官方预印本重要性 62

10月3日

星期六,1 条
  1. Meta 等机构提出 IdeaScientist:把科研构思拆成三个智能体并分别强化学习

    Meta Reality Labs 与 FAIR 等机构的研究者提出 IdeaScientist,把科研构思拆成找研究空白、跨领域借鉴机制、撰写完整提案三个子智能体,用异步 GRPO 和分角色评分标准分别训练,并构建含 277 万条(问题定义、挑战、研究空白、直觉、提案)元组的 Svalbard Idea Vault 语料用于检索、训练和评估。

    编辑推荐理由编辑推荐:直接服务科研构思与选题,作者已公开可运行框架代码和数据入口,研究者可自行部署验证。当前仍为预印本研究,效果主张来自作者评测。

    arXiv 科研构思与自主科研代理预印本编辑推荐重要性 71

9月25日

星期五,1 条
  1. Lila Sciences 的 AI 闭环实验室发现钯基 OER 催化剂,性能接近钌

    Lila Sciences 团队用 AI 驱动的闭环实验室(AI Science Factory)在酸性析氧反应(OER)中筛选出钯基催化剂,其最优组成的活性与稳定性可与钌相当,相关细节已写入一篇预印本。

    入选理由AI 闭环实验室在数月内找到被领域视为死路的钯基 OER 催化剂,研究者可据此判断自动化实验平台在材料发现中的实际位置。

    LILA官方预印本重要性 62

9月24日

星期四,1 条
  1. Anthropic 称 Claude 自主发现具 CRISPR 样重复序列的新型酶系统 ART

    Anthropic 成立生命科学研究组与实验室,并公布早期结果:Claude 智能体在仅由科学家给出初始提示的情况下,从 DNA 序列数据库中自主发现了一种与重复序列阵列相关的新型酶系统,命名为 array-associated reverse transcriptases(ART)。

    入选理由Anthropic 用约 950 个 Claude 智能体在 21 小时内筛出候选系统,研究者可据此判断 AI 驱动假设生成在基因组挖掘中的实际位置。

    Anthropic News官方预印本重要性 74