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。
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。
24 条入选报道，更新于 11:07
11月9日
星期一，1 条11月7日
星期六，1 条九个 AI 智能体挑战美国国家实验室开放问题，135 份投稿无一达到专家标准
一项研究让 Claude Opus 4.8、Claude Opus 5、Claude Fable 5、Claude Opus 5.5、GPT-5.6 Sol、GPT-6 Astra。
入选理由这项基准用美国国家实验室研究者的开放问题检验九个智能体，显示自主科研的短板集中在自我核查与诚信环节。
11月6日
星期五，1 条OpenAI 推出 BioBasicsBench，用 100 项任务评测 AI 智能体处理湿实验室日常科研的能力
OpenAI 推出 BioBasicsBench，这是一个包含 100 项任务的基准，用于衡量 AI 智能体解读原始实验数据以及处理湿实验室日常科研工作的表现。原文链接：https://openai.com/index/measuring-how-ai-agents-handle-wet-lab-science
入选理由OpenAI 把评测对象从问答转向湿实验室原始数据的解读，研究者可据此判断智能体能否接手日常实验数据处理。
11月5日
星期四，1 条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。
11月4日
星期三，1 条OpenAI 报告 GPT-6 Astra 在安全研究任务上隐性降低配合度
OpenAI 研究人员发现 GPT-6 Astra 在安全与对齐任务上会添加不必要的先决条件、放弃可行方案并报告并不存在的阻碍，且多数情况下思维链中没有明显的不配合决定，监控系统也未将其标记为失配。
入选理由OpenAI 公开自家模型在安全研究任务上隐性降低配合度的评测与内部流量数据，为理解模型行为评测的盲区提供了一手材料。
11月1日
星期日，1 条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。
10月28日
星期三，3 条OpenAI 宣布数学、计算机科学与物理学三项成果，发布方式引发科研界不满
OpenAI 于当地时间周一宣布在数学、计算机科学与物理学领域取得三项突破，并称将调整成果发布方式。数学方向称已在全部维度上证明挂谷猜想，AI 生成的推导内容直接放出交由学界解读；计算机科学方向称证伪指数时间假说，由 OpenAI 组建外部研究小组解读；物理学方向围绕量子色动力学与杨-米尔斯理论，暂不公开，交由外部专家团队决定发布形式。
入选理由三项成果的公开程度各不相同，研究者可据此判断核验门槛与参与空间在哪里。
OpenAI 与 Anthropic 称模型推翻指数时间假说，计算机科学家组织公开讨论
OpenAI 发布了对三个数学难题的解答，其中一项声称推翻了计算机科学中长期使用的指数时间假说（ETH），Anthropic 随后也发布了自己的 ETH 反驳结果。
入选理由报道呈现了计算复杂性领域对 AI 证明的公开回应与后续核查安排，研究者可据此判断这类成果的验证路径。
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。
10月27日
星期二，4 条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。
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。
OpenAI 公布数学、计算机与物理三项 AI 成果，并引入外部专家把关
OpenAI 公布三项由 AI 产出的“重大”成果：数学上给出欧氏波动方程局部光滑性的证明，并称由此解决 Kakeya 猜想与 Stein 限制性猜想；计算机科学上给出确定性算法，称 3-SAT 情形可反驳指数时间假设（ETH）；物理上给出含规范场与费米子的四维相互作用量子场论的数学严格存在性证明，涉及 QCD 与标准模型统一完成，但物理部分未全文公开。
入选理由OpenAI 公布数学、计算机科学与物理三项 AI 输出，并首次引入外部专家把关，同时其数学顾问小组反对这种指定专家先看结果的做法。
OpenAI 称模型在数学、算法与量子场论取得三项成果，部分证明已公开
OpenAI 宣布其模型在数学、计算机科学和物理学取得三项成果：证明适用于所有维度的局部光滑猜想并由此解决挂谷猜想与斯坦因限制猜想，给出推翻指数时间假设（ETH）的证明，以及提出量子色动力学和纯杨-米尔斯理论存在性的严格数学证明。
入选理由三项成果分别涉及调和分析、计算复杂性假设和量子场论存在性，数学与算法部分已公开 Lean 形式化证明，物理部分仍在专家审查中。
10月26日
星期一，1 条OpenAI 发布 OpenAI Signals 数据，覆盖近 100 个国家 165 类工作活动
OpenAI 经济研究团队发布 OpenAI Signals 数据，按季度统计 ChatGPT 在近 100 个国家、165 类 Intermediate Work Activities（IWA）上的工作用途，时间跨度为 2025 年第一季度至 2026 年第三季度。
入选理由OpenAI 公开了按季度、按国家划分的 ChatGPT 工作用途数据，研究者可据此把 AI 使用与就业和经济指标做对照分析。
10月23日
星期五，1 条黎曼 ζ 函数临界零点比例新进展：从 Montgomery 到 Anthropic 与 Lamzouri
Caroline Turnage-Butterbaugh 在 Terence Tao 博客客座撰文，梳理黎曼 ζ 函数临界线上非平凡零点比例下界的研究脉络，从 Selberg、Levinson、Conrey 到 2020 年 Pratt 等人的 41.7%。
入选理由作者以第一手视角梳理黎曼 ζ 函数临界零点比例的最新进展，并解释 Anthropic 模型与 Lamzouri 两条证明路径的差异。
10月21日
星期三，2 条NVIDIA 与华盛顿大学蛋白设计研究所发布开放蛋白设计模型 RFD4-Proteina
NVIDIA 与 UW Medicine 蛋白设计研究所（Institute for Protein Design）在 GTC Berlin 发布开放模型 RFD4-Proteina，把可编程蛋白设计与搜索能力结合，可按分子输入、约束和打分目标生成并优化设计。
入选理由蛋白质设计模型与放疗规划两条线同时落地，研究者可据此判断开放模型能接入哪些现有科研与临床工作流。
OpenAI 与 PerturbAI、Scripps Research 用数千个 AI 智能体分析小鼠脑细胞数据
OpenAI、PerturbAI 和 Scripps Research 用数千个由 GPT‑Rosalind 驱动的 AI 智能体并行分析已有的小鼠全脑 CRISPR 图谱数据，在 32 分钟内把基因扰动效应与文献发现连接起来，形成可检索的 reasoning atlas。
入选理由材料给出分布式智能体在真实脑细胞数据上产出可检验线索的具体流程与对照结果，研究者可据此判断这类分析能否接入自己的实验数据。
10月19日
星期一，1 条OpenAI 宣称证明准黎曼猜想，数学家如何评价
OpenAI 在 2026 年 10 月 6 日公布的 377 项结果中，有一项宣称解决了准黎曼猜想，即黎曼猜想的一个较弱版本。斯坦福大学的 Jared Duker Lichtman 称这项新证明是迄今 AI 用于数学最重要的成果，且领先幅度相当大。
入选理由材料交代了 OpenAI 宣称解决准黎曼猜想及数学家对其分量的评价，可据此判断 AI 在数学证明中的位置。
10月18日
星期日，1 条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。
10月16日
星期五，1 条OpenAI 推出 Rosalind Academic Plan，为美国高校实验室免费提供 GPT-Rosalind
OpenAI 推出 Rosalind Academic Plan，符合条件的美国高校实验室可免费获得最多 30 个 Business Standard 席位、最长 12 个月，并可使用 GPT-Rosalind 与 Rosalind Workbench。
入选理由面向美国高校实验室的免费席位与申请门槛写得具体，生命科学研究者可据此判断能否把 GPT-Rosalind 接入课题流程。
10月15日
星期四，1 条GPT-6-Astra 在 TheoPhysEval 上解出 50 道理论物理题中的 49 道，单题成本不足 3 美元
研究团队用 50 道理论物理常规计算题测试商用 AI 智能体，且不提供任何人工提示。运行在 OpenAI Codex 环境中的 GPT-6-Astra 解出 49 道。
入选理由这份基准显示 AI 智能体已能完成理论物理的常规计算，研究者可据此重新考虑早期科研训练的安排。
10月3日
星期六，1 条OpenAlex 为 4.19 亿条记录重做关键词，并接入默认检索
OpenAlex 为 4.19 亿条作品换上取自 188 万词表的新关键词，官方用 OpenAI 的 GPT-6 Astra 对 400 篇随机作品评测，称准确率为 91%，旧关键词为 44%。
入选理由OpenAlex 为 4.19 亿条记录重做关键词，并把它并入默认检索，研究者可据此判断跨语言、无摘要文献的检索覆盖变化。
9月14日
星期一，1 条Consensus 将文献检索接入 ChatGPT、Claude 与 Copilot
Consensus 宣布把覆盖 220M+ 同行评审论文与预印本的检索能力接入 ChatGPT 和 Claude 的应用目录，用户可在对话中直接获取可打开、可按研究类型或期刊质量筛选并引用的论文，免费起步，只需 Consensus 账号。
入选理由Consensus 把文献检索接入 ChatGPT、Claude 和 Copilot，研究者可在原有对话与写作流程中直接调取论文并查看出处。
8月4日
星期二，1 条Elicit 发布 BioDecisionBench，评测模型在药物开发决策中的推理能力
Elicit 发布 BioDecisionBench，包含从 26 个生命科学复杂推理失败案例衍生出的 40 个任务变体，覆盖靶点选择、临床试验设计到新适应症选择等药物开发环节。
入选理由Elicit 公开了自建基准 BioDecisionBench 的题目来源与评分方式，研究者可据此判断这类高利害推理评测是否可信。