全部动态

Long-MDR：面向多模态深度研究智能体的 128k 上下文长程强化学习训练配方

arXiv 预印本提出 Long-MDR，把多模态深度研究智能体的在线强化学习训练扩展到 128k 上下文和 75 轮以上工具交互，作者称这是首个在该上下文长度和 75 轮工具交互训练跨度下进行的在线多模态深度研究强化学习研究。

Long-MDR：面向多模态深度研究智能体的长上下文强化学习

Long-MDR 将多模态深度研究智能体的在线强化学习训练扩展到 128k 上下文和 75 轮以上工具交互，作者称这是首个在该上下文长度和工具轮数下训练的在线多模态深度研究 RL 研究。

AutoSciBench：自动生成并迭代加难的科学智能体评测基准

Genentech 与 KAIST 团队提出 AutoSciBench，用高层 concept 与低层 recipe 两级规划自动生成科学智能体评测任务，并依据求解器轨迹与评审反馈迭代修订，把任务推向原始数据复核、中间结果解读与多步证据整合。

EvoCast：面向迭代预测架构演化的自主研究智能体系统

arXiv 预印本提出 EvoCast，一个面向时间序列预测架构演化的全自主研究智能体系统，通过固定任务协议下的多轮研究循环，先建立并诊断任务专属基线，再生成有证据支撑的架构改进方向。

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。

FinNextAssist：面向专业金融深度研究的助手框架

南华理工大学、新加坡国立大学等机构提出 FinNextAssist，一个面向专业金融分析的端到端 Deep Research 框架，将研究流程拆分为 Task Planner、Evidence Compiler、Reasoning Engine 和 Report Assembler 四个阶段，并引入 TabAgent 与 HeteroAgent 两个轻量级子智能体。

UCLA 团队发布 Ansatz：用持续图记忆的数学研究智能体解出多个开放问题

UCLA 团队提出数学研究智能体 Ansatz，其核心是持续图记忆（Continual Graph Memory），用依赖图组织事实、计划与反例等中间结果，并支持跨问题复用经验。

入选理由数学研究智能体 Ansatz 用图记忆组织证明搜索，在十个基准问题上全部通过，并独立给出四个开放问题的完整解。

Google Project Suncatcher 原型卫星入轨，将测试 TPU 在太空环境下的表现

Google 与 Planet 合作研制的 Project Suncatcher 原型卫星搭乘 SpaceX Transporter-18 拼车任务入轨，团队已确认建立联系且卫星运行正常。未来数周将收集 TPU 在太空飞行物理应力以及辐射、极端温度下表现的在轨数据，相关同行评审论文已发表在 Joule。该项目是探索太空能否承载可扩展机器学习基础设施的长期研究计划的第一步。

Meta 等提出 MIRA 与 MIRA-AC，把长周期自主科研拆成显式选题决策

Meta AI、特拉维夫大学和哥伦比亚大学的研究者提出 MIRA，一种分层架构，把长周期科研拆成外循环元推理决策与内循环执行：外循环从持久研究记录中整理证据，产出工作指令或终止决策，内循环用 Codex 执行单次调查。

YouRA：面向可溯源自主科研智能体的持久状态架构

韩国电子通信研究院（ETRI）提出 YouRA（Your Research Agent），一种面向自主科研的持久状态架构，通过 Verification State Architecture（VSA）、Independent Controller 和 Stateful Reflection 三个组件保存研究状态、执行证据与失败历史。

牛津等团队提出 RAC：让 AI 科学家在运行时协调分工

牛津大学、KAUST、悉尼大学与剑桥大学的研究者提出 Runtime Agent Coordination（RAC），在 Agent Laboratory、EvoScientist 和 ARK 三个 AI 科学家系统执行过程中动态选择下一个智能体，并加入工作契约与基于产物的验证。

LACE：用大语言模型发现互补启发式算法求解组合优化问题

Huatian Gong 等人在 Nature Machine Intelligence 发表 LACE，一个基于大语言模型的优化算法设计框架。该框架先构建经过验证的问题契约，再演化出一组互补的启发式算法，共同求解单一方法无法处理的问题。论文于 2026 年 10 月 1 日在线发表，DOI 为 10.1038/s42256-026-01307-8。

Nature Machine Intelligence 报道 DeepEvidence：从知识检索转向证据探索与综合

Nature Machine Intelligence 刊文介绍 DeepEvidence，一个深度研究智能体，它不止于检索事实，而是构建科学证据的显式表示。文章指出生物医学发现已进入限制资源不再是数据、而是整合与解读证据能力的阶段。DOI 为 10.1038/s42256-026-01313-w。

Google AI 流感预测模型在 CDC 2025-26 季评中排名第一

美国 CDC 本周公布的 2025-26 流感季赛后分析显示，在 39 个合格模型中，Google 用 AI 构建的流感预测模型对流感相关住院人数的预测最接近实际观测值。

入选理由CDC 对 2025-26 流感季的赛后评估显示，Google 的 AI 模型在 39 个合格模型中预测住院人数最准，研究者可据此了解 AI 生成优化算法在真实公共卫生预测中的位置。

Google DeepMind 发布 Gemini 4 Argon，输出上限提至 100 万 token

Google DeepMind 发布前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络防御方开放，随后逐步扩展到开发者、企业和消费者，起步价为每百万输入 token 2 美元、每百万输出 token 10 美元。

入选理由Gemini 4 Argon 把长程推理和百万级输出用于代码迁移、漏洞发现与科研优化，研究者可据此判断它在自身工作流中的位置。

微软研究院用机器学习预测电网空间天气风险，覆盖美国 66,935 座变电站

微软研究院实习生开发了一套端到端机器学习管线，利用 L1 太阳风观测、AE 与 Dst 指数预报及变电站所在地的纬度与地质电导率数据，为美国本土 66,935 座变电站生成 30 至 60 分钟前的局地空间天气风险估计。

ConflictGuide：让竞争行为可见，提升 AutoResearch 的模型演化效果

新加坡国立大学等机构的研究者提出 ConflictGuide，在基于大语言模型的 AutoResearch 循环中引入竞争行为反馈：先用标量任务反馈做广泛探索，待任务增益减弱后，用文献分类体系识别模型特有的行为冲突并设计探针，把探针结果反馈给代码智能体以引导修改和保留决策。

腾讯混元联合复旦、清华发布 ExplorationBench，评测 AI 系统自主探索能力

腾讯混元与复旦大学、清华大学的研究者发布 ExplorationBench，用于测量 AI 系统在未知规则环境中自主探索的能力，论文见 arXiv:2609.30199。

中科院团队提出 EEM 框架，用实验经验建模降低自主科研实验成本

中国科学院计算技术研究所等机构的研究者提出 Experimental Experience Modeling（EEM）框架，用于自主科研中的实验决策：从既往实验轨迹中提取可复用的经验条目，判断历史经验是否足以决定某个方向是否值得继续投入，不足时再执行低成本的针对性试点实验，并将新经验回填经验库。

AutoMIP：面向混合整数规划的自主科研框架在 MIPLib 与 MINLPLib 上找到新最优解

作者提出 AutoMIP，一个用于混合整数线性与非线性规划（MILP/MINLP）的自主科研框架，通过持久化想法池与算法树联合管理研究方向与可复用实验状态。在 MIPLib 的 60 个实例中，AutoMIP 为 31 个找到新的最优解；在 MINLPLib 的 60 个实例中为 52 个找到新的最优解，均超过所比较的自主科研框架。

DAGent：面向深度研究智能体的 Evaluate-then-Grow 增量规划框架

纽约大学等机构的研究者提出 DAGent，一个基于有向无环图的多智能体框架，用 Evaluate-then-Grow 增量规划替代先规划后修补：Orchestrator 依据已完成节点的置信度与不确定性信号逐批扩展任务图，并配套 DAG 条件强化学习 DAGRPO。

SimEX：用仿真整合的自动科研框架让编码智能体自主获取机器人操作能力

得克萨斯大学奥斯汀分校与 Amazon FAR 等机构的研究者提出 SimEX，一个把仿真实验与编码智能体结合的自动科研框架：第一阶段智能体在仿真中自主生成任务、探测能力库弱点并迭代优化，第二阶段用少量真机试验校正仿真并筛选修复方案。

PathAnchor：用路径化证据组织提升科学智能体的检索与引用完整性

华东理工大学、复旦大学与腾讯的研究者提出 PathAnchor，一个基于路径化证据工作区的科学推理系统，把文献证据组织为 Material–Sensor–Signal–System 功能轨迹，保留角色、方向与每条转换的来源证据，控制器用三个只读工具检索、追踪路径并打开原文，输出带引用的答案和明确的证据边界。

Nature Machine Intelligence：自监督预训练推动能量前沿异质中微子探测器基础模型

Alonso-Monsalve 等人在 Nature Machine Intelligence 发表研究，证明自监督预训练能帮助深度学习模型解读复杂的中微子探测器事件，在分类、重建和数据效率上均有提升，并支持在不同中微子探测器技术之间迁移。论文在线发表于 2026 年 9 月 30 日，DOI 为 10.1038/s42256-026-01309-6。

微软研究院发布生物学 AI 研究系统 Quine，并开放 Quine Fellows 计划申请

微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由生物学世界模型和连接模型、科学工具、文献与研究者的交互式 harness 两部分组成。

入选理由微软研究院公开了面向生物学的多模态世界模型 Quine，并给出胰腺癌细胞状态预测经湿实验验证的案例，研究者可据此判断这类系统在实验设计中的可用边界。

AutoMark：让自主科研代理发现更优的 LLM 水印方案

arXiv 预印本提出 AutoMark，用自动验证与评估框架让编码代理自主搜索 LLM 水印方案，在 GPT-6 Astra、Opus 5、Gemini-3.8 Flash 上共生成 52 个方案，其中 ConcordMark 与 RotationFirst 在留出测试集上优于 AAR、SynthID、TextSeal 等基线。

Synthetic Universes 基准：AI 科学家预测通过不等于还原机制

arXiv 预印本提出 Synthetic Universes 基准，为每个经典物理世界配一个由相近非经典机制控制的孪生世界，用留出延续与迁移执行检验预测，用独立检查器检验是否还原生成机制。

DeepRewind：预测并修复深度研究智能体的过早定论

不列颠哥伦比亚大学作者提出 DeepRewind，一个叠加在 Open Deep Research 之上的控制层，把智能体的认知状态表示为含来源、证据、论断、假设、承诺、计划与草稿的类型化图，在中间结论被接受前用基于提示的世界模型预测其可逆性并决定是否放行，后续证据推翻承诺时只回滚受影响子图。

FinAutoRubric：专家引导的金融研究智能体评分细则自动生成框架

LinqAlpha 与 UNIST 等机构提出 FinAutoRubric，让专家只写一次可复用的评测指引，由智能体和代码按查询与信息截止日生成、复核并校验评分细则，失败时转人工。

FinAutoRubric：专家引导的金融研究智能体自动评分标准生成

FinAutoRubric 用专家指定的可复用评估指引驱动智能体与代码自动生成、审查并验证针对具体查询的评分标准，失败案例会升级给人工处理。在三个专家编写的金融基准上，其评分标准与专家打分的一致程度不逊于所评估的最强生成器，且覆盖更多标准项，内部分析师在盲评中更偏好该标准。团队同时发布 100 条查询的 FinAutoRubric Benchmark，覆盖 78 项任务和八类资产。