《自然》（20261022出版）一周论文导读：时间晶化、20 K 增韧合金与字节级语言模型
《自然》第658卷8137期导读收录三项研究：机电超材料中观测到波粗化并形成时间晶体；IV–V族体心立方难熔合金在20 K下屈服强度与断裂韧性呈平台、无明显韧脆转变；字节化方法可将现有子词模型改造为字节级大语言模型，性能接近子词模型并擅长字符级推理。
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。
679 条收录动态，更新于 17:06
全部收录包含没有通过评分的资料，标题以常规字体显示并标为“未入选”，只供检索，不写入选理由。
10月24日
星期六，10 条论文提出 softmax 与交叉熵数值修复方案
一篇论文指出 softmax 和交叉熵存在数值缺陷，会使极小梯度错误地舍入为零或本应消失却保持非零，进而引发损失突增并干扰知识蒸馏。作者提出简单修复，在小规模 grokking 基准上消除了 Slingshot 损失尖峰，某设置下测试准确率从 94.3% 提升至 100%，且无需更高数值精度即可防止蒸馏中学生模型偏离教师模型。
用逐层随机特征模型模拟深度神经网络训练损失尖峰
该论文用简单二次模型说明重尾数据与噪声梯度即可触发 LLM 训练中的损失尖峰，无需依赖复杂神经网络行为。在一个 1.3B Transformer 上，其模拟可在 CPU 上每层仅用 5 秒识别易出现尖峰的训练配置。
基于蛋白质语言模型的 KaML-ESM 预测蛋白质电离态与 pKa
美国马里兰大学药学院团队在 Nature Communications 发表 KaML-ESM，用 ESM 蛋白质语言模型构建序列神经网络，在 GAINES 增强的 PKAD-3r 数据集上训练，预测 Asp/Glu/His/Cys/Tyr/Lys 残基电离常数。
研究显示朴素 RAW-RAG 在长对话记忆评测中多数优于复杂 Agentic Memory
一项预印本研究比较了仅对原始对话历史做稠密检索加重排的 RAW-RAG 与复杂 agentic memory 系统，在 LoCoMo、LongMemEval、MEME、MemoryAgentBench 的 7 组基准与模型组合中有 6 组排名第一，比最强对比系统高 0.13–5.53 分。
引用elvis@omarsar0RAG is so back! This work shows that plain RAG over raw chat history beats complex agentic memory systems on most long-term memory benchmarks. (bookmark it) They tested Raw-RAG, which is just dense retrieval plus reranking over the raw conversation, feeding a reader LLM. Across LoCoMo, LongMemEval, MEME and MemoryAgentBench, it ranks first in six of seven benchmark and model settings, ahead of the strongest agentic memory system by 0.13 to 5.53 points. Ingestion on BEAM-1M takes 0.3 hours, against 3.2 to 27 hours for systems like Mem0, MemOS and Memora. Why does it hold up? Raw history keeps more of the evidence a question needs, including the relations and dependency paths behind an answer. Rewriting history into memory entries tends to drop those important bits. Even with complete access to the transformed memory stores, models answer less accurately than with raw evidence. Before adding a memory layer to your agent, at least run this baseline on your own data. https://arxiv.org/abs/2610.30755 Chat with Paper: https://academy.dair.ai/papers/is-complex-agentic-memory-always-needed-naive-rag-is-stronger-than-we-thought-2610.30755
智能体团队用千亿Token攻千禧年数学难题
上个月，一个大型智能体团队使用了超过1000亿个Token来解决Navier-Stokes千禧年大奖难题。现在我们正用类似方法进行红队测试，以发现并修复基础设施漏洞。
引用Eric Wallace@Eric_Wallace_To make sure our frontier models don't cause another HuggingFace incident, we built an offline world that they use during training. It provides everything that the models need in a fully cached, indexed, or synthetic manner. We then built a huge team of our most cyber-capable models and told them to collaborate to find zero-days in this containment infrastructure. While they didn't find a path to the internet that wouldn't be caught by our CoT monitors, they did find ways to escape popular VMs, exploit our network infrastructure, and even ways to communicate with other agents running in separate VMs by using hardware side channels. We used this to dramatically harden our infra, and we also upstreamed a ton of patches to open-sources packages.
Coral Discovery：为自主科研智能体引入方向板以分工认知劳动
Coral AI Labs 与多所高校的研究者提出 Coral Discovery，在 MIT CORAL 的多智能体自主科研框架上加入方向板：验证器按程序 diff 给每次尝试标注方向与方法，方向板按方向统计收益、为少尝试方向加探索奖励并估算新方向价值，智能体先完成自己的方向再参考方向板。
AutoTavern 让 LLM 研究智能体自主构建炉石酒馆战棋 AI，天梯评分升至约 15000
研究团队提出 AutoTavern，由多个专用 LLM 研究智能体共享类型化研究记忆、每条主张经过验证关卡，并用实时对局闭环改进模拟器、对手与策略。
PatEx-Gym 框架发布：用智能体做专利审查中的现有技术检索与新颖性评估
研究团队提出 PatEx-Gym，用于开发和评估专利审查智能体，包含 1K 个真实审查任务、超过 1M 件专利与 52K 篇科学论文的检索语料，以及支持迭代检索、文档查阅、推理和审查意见书（OA）生成的运行环境。
10月23日
星期五，1 条Google Research 用 MedGemma 等基础模型推进结核病筛查落地
Google Research 与 Google for Health 在 IDWeek 2026 上介绍了其结核病筛查 AI 从研究走向临床的路径：与南非公司 Nexus AI 合作将胸部 X 光算法转化为通过 CE MDR class IIb 认证的诊断工具。
10月24日
星期六，4 条Google Research 用 MedGemma 助力结核筛查
结核病（TB）仍是全球最致命的传染病之一，每年估计夺去 123 万人的生命。本周在 IDWeek 2026 上，我们重点展示 MedGemma 等开放基础模型如何将 AI 带到结核筛查一线，以扩大早期检测范围。了解更多：http://goo.gle/4i7HS4o
Kimi K3.1 Pro 发布：3T 级开源权重模型，支持 100 万 token 上下文
Moonshot AI 推出 Kimi K3.1 Pro，这是其 K3.1 系列首款模型，也是迄今最强的 3T 级开源权重模型，具备 100 万 token 上下文窗口。
Kimi K3.1 Pro 发布，Artificial Analysis 智能指数排第 4 得 55 分
Moonshot 发布推理模型 Kimi K3.1 Pro，在 Artificial Analysis 智能指数上得 55 分排第 4，比 Kimi K3 的 44 分高 11 分，仅次于 Claude Opus 5.5、Claude Sonnet 5.5 和 Muse Wonder Full。
10月23日
星期五，1 条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。
10月24日
星期六，1 条Ai2 与宾大推出 LitPivot：按研究构思的组成部分组织文献并给出修订建议
Ai2 与宾夕法尼亚大学合作推出 LitPivot，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经 Asta Paper Finder 检索到的论文，给出附文献摘录的批评和可接受、编辑或拒绝的修订建议。
10月23日
星期五，5 条OpenAI 联合 PerturbAI 与斯克里普斯研究所用数千个 AI 智能体分析小鼠脑细胞图谱
OpenAI 联合 PerturbAI 和斯克里普斯研究所利用数千个 AI 智能体分析覆盖整个小鼠大脑的 CRISPR 图谱，32 分钟完成数百万个脑细胞数据的分析，团队估计人类研究人员完成同等工作需数月到一年。
H-CDLM：分层连续扩散语言模型提升文本生成
H-CDLM 通过联合去噪 token 与其粗粒度语义聚类，让高层信息引导 token 重建，缓解连续扩散语言模型难以从噪声表示恢复精确 token 的问题。应用于 CoBit 后，在 LM1B 上文本生成质量提升 33%、OpenWebText 上提升 29%，GSM8K 数学准确率从 25.4% 升至 27.4%，且去噪步数减半。
腾讯混元与港科大（广州）提出 Poseidon 流水线，从科学代码库构建 97,659 个智能体训练环境
香港科技大学（广州）与腾讯混元团队提出 Poseidon，一个从科学代码库自动生成可验证训练环境的流水线，并据此构建 Pearl 数据集，包含来自 7,110 个公开仓库、覆盖 10 个学科的 97,659 个环境。
Li 等人提出 EdenGNN-Uni 通用电荷密度预测等变框架
Nature Machine Intelligence 在线发表 Li 等人的研究，提出覆盖元素周期表的通用电荷密度模型 EdenGNN-Uni，用于材料的电子结构计算。摘要称其速度比部分现有方法快一个数量级以上，可支持高效且准确的电子结构计算。doi:10.1038/s42256-026-01326-5
Anthropic 用 Claude 对上百个开源库完成形式化验证
Anthropic 在 Frontier Red Team 博客中介绍，与 Theoremlabs 合作使用 Claude 在数周内为一百多个真实开源库证明安全属性。
10月22日
星期四，2 条OmniDR-Bench：面向视频中心深度研究报告的智能体基准
研究提出视频中心深度研究报告生成任务，并发布 OmniDR-Bench 基准，含 50 个中英文任务、覆盖 19 个真实子类，共 6,414 条评分标准。评测采用 Omni Atomic Rubric Trees（Omni-ARTs），从视听依据、多模态证据使用和交互呈现三维度打分。18 种智能体配置中最佳系统仅得 63.3 分（满分 100），代码与数据已公开。
清华与智谱提出 RIDAR：自动检测自主科研智能体的科研诚信违规并实时干预
清华大学与智谱 AI 的研究者提出 RIDAR 框架，用于检测自主科研智能体在科研全流程中的科研诚信违规（RIV），并在运行中给出反馈纠正。团队先构建覆盖科研构思、文献综述、实验、论文写作四个阶段共 14 类违规的 RIVT 分类，其事后检测模块 RIDAR-Post-hoc 在 60 条专家标注轨迹的 RIV-Gold 基准上取得 85.2% 的实例级 F1。
10月23日
星期五，6 条CiteAnchor 提出来源感知框架，检测并还原虚构引用
作者提出 CiteAnchor 框架，按论文、图书、网页等来源类型分别检索并逐字段核验，把引用是否有效与能否唯一还原来源分开判断。在 CiteAudit 的 3356 条引用上，搭配 GPT-5.6 Luna 检测 F1 为 0.841，比同底座基线高 7.9 点；搭配开源权重 OpenResearcher-30B-A3B 为 0.784，高 36.8 点。
MIT 研究：13 个 Eko 智能体在虚拟荒岛无任务探索 30 小时后自发"玩耍"
MIT 研究团队将 13 个基于 Claude Opus 4.7 的 Eko 智能体无任务地放在模拟荒岛上 30 小时，它们自发创造挑战并表现出玩耍特征，相关论文已发布在 arXiv 预印本平台。
微软推出 AI 医疗诊断系统 MAI-DxO：复杂病例准确率 83%，成果登《科学》
微软发布 AI 诊断系统 MAI-DxO（Microsoft AI Diagnostic Orchestrator），通过编排多个 AI 智能体模拟医生联合会诊，协同问诊、开具化验检查并辩论潜在诊断。
微软与 Hugging Face 开源 ThinkingBox-Training：用数据库终态校验作强化学习奖励训练智能体
微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的可执行校验直接当作强化学习奖励，用于训练有状态业务工作流中的智能体，代码已在 GitHub 以 MIT 许可开放。
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。
多模态大模型（MLLM）的检索头是否随模态扩展：一项跨 18 个检查点的分析
研究以音视频配对输入考察多模态大模型的检索头机制，在 18 个语言、视觉语言与全模态检查点上发现检索头在新模态下仍保持稀疏，且跨模态大量共享，全模态模型基本保留其骨干网络的检索头。