跳到正文

主题档案

预印本 最新动态

尚未经过同行评审的预印本成果,阅读时请留意证据阶段。

35 条精选近 30 天 23 条共收录 430 条

更新

预印本的入选报道

11月9日周一第 1–20 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。

    科学网
    入选预印本重要性78

    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。

11月6日周五
  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。

    arXiv 科研构思与自主科研代理
    入选预印本重要性78

    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。

11月5日周四
  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。

    arXiv cs.DL 数字图书馆
    入选预印本重要性78

    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。

  2. 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。

    Anthropic Research官方
    入选预印本重要性71

    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。

11月3日周二
  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。

    arXiv 科研构思与自主科研代理
    入选预印本重要性78

    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。

11月1日周日
  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。

    arXiv 科研构思与自主科研代理
    入选预印本重要性78

    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30日周五
  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。

    上海人工智能实验室·科研动态官方
    入选预印本重要性62

    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。

10月28日周三
  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。

    arXiv cs.DL 数字图书馆
    入选预印本重要性78

    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。

  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。

    Hugging Face Blog官方
    入选厂商自述重要性71

    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日周二
  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。

    科学网
    入选预印本重要性80

    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。

  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。

    arXiv cs.DL 数字图书馆
    入选预印本重要性83

    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。

10月26日周一
  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。

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

    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。

10月25日周日
  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。

    Hugging Face Daily Papers
    入选预印本重要性80

    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。

10月24日周六
  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。

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

    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。

10月18日周日
  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。

    arXiv 科研构思与自主科研代理
    入选预印本重要性88

    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日周五
  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。

    Anthropic Research官方
    入选预印本重要性78

    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。

  2. 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.

    Sakana AI
    入选预印本重要性78

    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。

10月15日周四
  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。

    上海人工智能实验室·科研动态官方
    入选预印本重要性85

    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。

  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。

    Google Research Blog官方
    入选预印本重要性71

    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。