联合国系统与 Google 推出 UN System Data Commons 数据平台
联合国系统推出 UN System Data Commons,这是基于 Google Data Commons 构建的开源平台,把分散的全球统计数据整合为 AI-ready 知识图谱,支持自然语言检索和交互式可视化。
入选理由:联合国系统与 Google 把分散的全球统计数据整合为可自然语言检索的知识图谱,研究者可据此判断跨机构数据获取方式的变化。
主题档案
优先追踪直接用于学术研究的 AI 产品与实质更新:文献检索和综述、论文评审、科研构思与假设、实验和自主科研。记录可核实的新能力、开放范围和使用条件,便于跨日报日期查看。
58 条精选近 30 天 22 条共收录 380 条
Scite 发布 2026 年 8 月更新,用户可通过一键操作把 Scite 接入 ChatGPT 或 Claude,无需手动配置服务器 URL,接入后为 AI 助手提供引用语境与文献证据;其他兼容 MCP 的工具也提供了配置指南和技术说明。
入选理由:Scite 把引用语境接入 ChatGPT 和 Claude,并支持导入 Zotero 群组库,研究者可据此判断它能否嵌入现有文献工作流。
Google Scholar 推出 Scholar Quick Read,在 Scholar Labs 和 Scholar 搜索结果中为深入讨论用户问题的论文提供 Quick read 链接,点击后可看到针对该提问的简短呈现,包含概览以及 Answers、Approach、Considerations 三个部分。
入选理由:Google Scholar 把论文按用户提问拆成答案、方法与注意事项三部分,研究者可据此判断能否减少逐篇通读的时间。
Digital Science 发布 Dimensions Semantic Search MCP、Dimensions Analytics MCP 和 Altmetric MCP,通过 Model Context Protocol 把 LLM 连接到结构化科研数据,返回带完整出处的可验证、可引用结果。
入选理由:Digital Science 把 Dimensions 与 Altmetric 的数据接入 MCP,研究者可用自然语言查询并拿到带出处的可引用结果。
Elicit 发布 Research Agent,一个面向高风险决策的 AI 环境,可跨数百万科学来源、公开数据源(含网络)和用户上传的内部数据汇集证据,并生成带完整引用的报告、数据分析、表格、可视化、幻灯片和文档,已通过 elicit.com 或 API 提供。
入选理由:Elicit 把证据综合扩展到跨文献、试验、专利与内部数据的决策支持,并公开了自建基准的评测口径,研究者可据此判断它能否用于高风险的研发决策场景。
Taylor & Francis 与筑波大学签署 MOU,将双方共同运营的 Japan Institutional Gateway(JIG)出版平台通过新设的 All Japanese University Area(AJUA)向全日本大学和研究机构的研究者开放投稿,此前投稿资格仅限筑波大学及其协赞机构。
入选理由:日本机构出版平台把投稿资格从一所大学扩至全国,并允许日语论文进入 Scopus 等国际数据库,学术服务从业者可据此判断区域出版格局的变化。
Elicit 更新 Research Agent,除文档外还可上传基因序列、组学数据集、显微图像、学术海报及 PDB、FCS 等自定义科研文件,并据此执行差异基因表达识别、图像表型量化和检测结果分析等任务,自行寻找所需技术工具并返回分析结果。
入选理由:Elicit 的 Research Agent 从只读文档扩展到基因序列、组学数据和图像等科研文件,并可直接做差异表达等分析,研究者可据此判断它能否接手自己的数据处理环节。
Lila Sciences 介绍其 AI Science Factories 自动化实验室平台,通过 NVIDIA BioNeMo Agent Toolkit 提供的领域模型、NIM 微服务和生命科学配方,让智能体完成结构预测与从头设计,并用 NVIDIA Nemotron 3 等推理模型做后训练。
入选理由:Lila Sciences 与 NVIDIA 合作把 BioNeMo 智能体工具包接入自动化实验室,研究者可了解智能体闭环做实验的现有做法。
Google Scholar 推出 AI 驱动的检索功能 Scholar Labs,可分析研究问题中的关键主题、方面与关系,在 Scholar 中检索并评估结果,找出能回答整体问题的论文,并为每篇论文给出简要说明。该功能面向已登录用户,目前仅支持英文提问,属于实验性功能,仅向有限数量用户开放,未获权限者可登记等待通知。
入选理由:Google Scholar 把检索从关键词匹配改为按研究问题拆解主题并评估论文,研究者可据此判断文献检索流程是否需要调整。