AI Night-Scientist：用强化学习训练模型在科研构思中偏离常规推理
伊利诺伊大学厄巴纳-香槟分校与 Microsoft Research 的研究者提出 AI Night-Scientist，一个基于强化学习的智能体框架，把创造力拆成动作层（怎么做）、过程层（何时探索或利用）和结果层（想法的新颖性与有用性），用 GRPO 训练模型生成长期科研提案。
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。
9月29日
星期二，1 条9月28日
星期一，6 条AfS（Agent for Science）：面向长周期科研智能体的极简节点、可复验工作流与累积记忆架构
论文描述为长周期科研工作设计的平台 AfS（Agent for Science），把科研纪律编码为机械强制执行的"铁律"，使不合规状态在系统中无法表示，而非依赖提示模型自觉。
PEAR：面向工业搜索系统的渐进式循证 AutoResearch 框架
针对工业搜索中 AutoResearch 的 keep-if-better 规则在非稳态流量下易把短期增益误判为持续提升、以及多保真度评估证据难以统一利用的问题，研究者提出 PEAR 框架，包含 Evidence-driven AutoResearch 与 Confidence-Gated Verifier Ladder 两部分。
Dr.Credit：用评分标准为深度研究智能体的中间步骤分配过程奖励
中国科学院自动化所与阿里巴巴 Token Hub 等团队提出 Dr.Credit，把任务评分标准从终稿评价扩展到深度研究智能体的中间工具调用，按每次检索或网页访问相对各条评分标准已有证据的增量支持分配过程奖励，再与 GRPO 的结果优势结合训练。
Nature Machine Intelligence：人工网络在多任务学习中自发形成模块化结构并与脑网络架构相似
Wu 等人的研究显示，学习多个任务的神经网络会组织成专门化的模块，在容量受限时尤为明显。增量式多任务学习会强化这种模块化，并产生与脑网络相似的架构。该研究发表于 Nature Machine Intelligence，DOI 为 10.1038/s42256-026-01306-9。
Nature Machine Intelligence 提出 GenFocal：用概率机器学习从气候模型评估区域气候风险
Nature Machine Intelligence 发表研究，提出名为 GenFocal 的生成式 AI 框架，用于气候降尺度，从粗分辨率气候预估生成逼真的精细尺度天气，并改进热浪、热带气旋等复合极端事件的区域风险评估。论文在线发表于 2026 年 9 月 28 日，DOI 为 10.1038/s42256-026-01308-7。
Quorum：以同行评审为货币的免收费开放获取信息技术期刊设计与仿真
一篇论文描述了免向读者和作者收费的开放获取期刊 Quorum（jquorum.org），以同行评审为"货币"：学者完成一篇稿件的首次完整评审可获 1 学分，1 学分可支付一次投稿，每篇稿件获 3 份双盲评审并由系统按专长自动匹配。
9月27日
星期日，2 条Sakana AI 与东京大学提出 SAIL：用测试时扩展提升机器人轨迹生成可靠性
Sakana AI 与东京大学合作提出 SAIL（Scaling In-Context Imitation Learning），将策略 VLM 作为机器人轨迹生成器，在少量成功演示条件下生成轨迹，并在仿真器中测试、由评估 VLM 查看视频指出进展停滞处，再借助蒙特卡洛树搜索（MCTS）探索并修正候选轨迹，只把选中的轨迹发送给实体机器人。
Inspire：面向开放科研问题的科学文献检索基准
香港中文大学与微软亚洲研究院提出 Inspire 基准，用“隐去解法”的研究问题简报评估智能体检索先行文献的能力，检索语料为截止目标论文发表前 3 个月的公开文献，目标论文及其引用谱系对智能体不可见。
9月26日
星期六，2 条BioLitBench：用组合可控性检验生物医学文献综述智能体排行榜
作者提出组合可控性框架，为文献综述智能体的评测定义比较窗口与可采纳性检验，在查看分数前先拒绝不可比的比较，并只对超过采样与干扰半径的差距给出排序认证。配套的 BioLitBench 基准包含 2,042 篇生物医学文章、246,102 条论断和 832,487 条类型化关系，同主题综述作为集合值参考。
Claude 在平面 N=4 超杨-米尔斯模型中完成九圈散射振幅计算
Anthropic 在 Science Blog 中称，Claude 在 Claude Science 中依据单条描述九圈问题的提示词、基本无人监督运行数天，用 Lance Dixon 等人发展的方法完成了平面 N=4 超杨-米尔斯模型的九圈计算，总花费数千美元，Dixon 独立核验了结果。此前该简化模型的纪录是 Dixon 与合著者做出的八圈，多数计算止步两三圈；这一挑战由物理学家兼科学作者 @4gravitons 上月提出，要求只用学术机构可合理获得的算力预算。Kevin Weil 转发该消息，称自己在研究生阶段算过大量费曼图，并期待 AI 在未来 12 个月给高能物理带来变化。详情见 https://www.anthropic.com/research/yes-claude-can-do-nine-loops
引用Anthropic@AnthropicAINew on the Science Blog: Yes, Claude can do Nine Loops. Theoretical physicists predict how particles behave using formulas called scattering amplitudes. These are notoriously hard to compute, so researchers work with layers of increasingly fine corrections called “loops”—each added loop makes the answer more precise but takes exponentially more computation. Most calculations stop at two or three loops. Eight loops was the previous record in a simplified model physicists use as a testing ground (planar N=4 super-Yang-Mills), set by SLAC's Lance Dixon and collaborators. Last month, physicist and science writer @4gravitons issued a challenge: could an AI push past eight loops in this model, using only the compute budget an academic could reasonably access? Given a single prompt describing the nine-loop problem, Claude ran largely unsupervised for days in Claude Science and solved it using methods developed by Dixon and his colleagues, at a total cost of a few thousand dollars. Dixon independently verified the result, and von Hippel wrote about the experience for our blog. Read more: https://www.anthropic.com/research/yes-claude-can-do-nine-loops
9月25日
星期五，3 条Claude 在 Claude Science 中自主算出 N=4 超杨-米尔斯九圈散射振幅
物理学者 Matt von Hippel 记录，Anthropic 的 Liam Fitzpatrick 和 Siddharth Mishra-Sharma 使用 Fable 5.1 在付费科研平台 Claude Science 中。
入选理由一位理论物理学者记录了 Claude 在付费科研平台上自主完成九圈散射振幅计算并被专家验证的过程，可供研究者判断 AI 在具体计算任务中的边界。
Lila Sciences 的 AI 闭环实验室发现钯基 OER 催化剂，性能接近钌
Lila Sciences 团队用 AI 驱动的闭环实验室（AI Science Factory）在酸性析氧反应（OER）中筛选出钯基催化剂，其最优组成的活性与稳定性可与钌相当，相关细节已写入一篇预印本。
入选理由AI 闭环实验室在数月内找到被领域视为死路的钯基 OER 催化剂，研究者可据此判断自动化实验平台在材料发现中的实际位置。
亚马逊将 AutoResearch 用于生产级推荐系统：220+ 次实验、五类失败模式与三智能体框架
亚马逊团队将 Karpathy 的 AutoResearch 范式用于图书推荐流水线的两个表征学习系统，运行十二周、220+ 次实验，总结出生产规模下反复出现的五类失败模式：基础设施脆弱、智能体记忆衰减、搜索方向停滞、迭代成本不对称和指标固着。
9月24日
星期四，3 条AlphaDiverse：面向 Alpha 因子挖掘多样化探索的本地量化研究智能体后训练框架
同济大学等提出 AlphaDiverse 框架，将多智能体 Alpha 因子研究、多样化研究路径收集与本地智能体后训练结合，用 GPT 等闭源模型 API 跑通流程后，对 Qwen 等本地 Planner 和 Realizer 智能体做 SFT 与联合 GRPO 后训练，替代 API 节点以保障成本、可用性与数据保密。
Anthropic 称 Claude 自主发现具 CRISPR 样重复序列的新型酶系统 ART
Anthropic 成立生命科学研究组与实验室，并公布早期结果：Claude 智能体在仅由科学家给出初始提示的情况下，从 DNA 序列数据库中自主发现了一种与重复序列阵列相关的新型酶系统，命名为 array-associated reverse transcriptases（ART）。
入选理由Anthropic 用约 950 个 Claude 智能体在 21 小时内筛出候选系统，研究者可据此判断 AI 驱动假设生成在基因组挖掘中的实际位置。
ABACUS 能做什么？用 DFT+U 与机器学习理论研究 TiO₂ 相稳定性
上海大学材料基因组工程研究院与计算机工程科学学院团队联合日本筑波大学，基于开源密度泛函理论软件 ABACUS（v3.9.0）结合 DFT+U 与机器学习，提出数据驱动策略寻找能同时匹配 TiO₂ 多性质实验结果的电子密度，成果发表于 Computational Materials Science。
9月23日
星期三，1 条evistreams：面向医学系统综述的人在环 AI 数据提取平台
宾夕法尼亚大学团队发布 evistreams，一个开源、无代码的网页平台，让系统综述团队在三个环节控制 AI 数据提取：运行前审批提取方案、用 3–5 篇试点论文校准字段定义、以及由两名评审独立盲审加仲裁者裁决的预测复核。
9月22日
星期二，2 条Weco AI 提出 AIDE2：AI 研究智能体通过递归自我改进提升研究效率
Weco AI 团队在 arXiv 发布预印本，提出递归自我改进系统 AIDE2，让 AI 研究智能体改写自身 harness 代码，并在隐藏评测上保留表现最好的版本。
入选理由论文给出 AI 研究智能体改写自身代码并迁移到未见任务的实测流程，研究者可据此判断自主科研代理的自我改进边界。
Amazon Bio Discovery 发布三篇抗体设计研究，含经实验验证的纳米抗体发现
Amazon Bio Discovery 团队发布三篇抗体设计研究，分别针对结合强度排序、可开发性预测和端到端设计。其中 MochiBind 仅用序列预测抗体相对结合强度，在四个未见抗原上成对准确率均高于结构基线，平均领先近 10%，在 CPU 上约 13 秒可打分 20 万对抗体。
入选理由Amazon Bio Discovery 团队公开三篇抗体设计研究，含一篇经实验验证的纳米抗体发现，研究者可据此了解计算设计加湿实验闭环的完整流程。
9月21日
星期一，3 条微软在 Nature 发表逆合成模型 RetroChimera，并开源权重
微软研究院在 Nature 发表逆合成预测框架 RetroChimera，它把基于 Transformer 的 R-SMILES 2 与基于图神经网络的 NeuralLoc 两个子模型的排序结果用学习式集成策略合并，在常见与罕见反应类别上均表现较强。
入选理由RetroChimera 已开源并上线 Microsoft Foundry，化学与药物研究者可据此评估它能否接入现有的逆合成路线设计流程。
上海AI实验室发布开源科学基础大模型书生-S2，科学任务评测领先并即将接入书生·端砚平台
上海AI实验室在2026浦江创新论坛上发布书生多模态大模型S2（书生-S2），称其在知识、代码、智能体等通用能力上处于开源模型第一梯队，在Biology-Instructions。
入选理由上海AI实验室公开了书生-S2的权重与体验入口，并说明其可插拔专业记忆如何在不重训基座的情况下扩展学科能力，研究者可据此判断能否用于长程科研任务。
ScholarStack：面向科学智能体的分层研究资产编排与跨任务复用框架
ScholarSeed AI Team 在 arXiv 发布预印本，提出 ScholarStack 分层研究资产框架，把论文集合编译为三层可复用、带版本与溯源信息的资产：L1 源文献事实、L2 领域组织、L3 跨论文限定范围综述，并通过统一访问接口按任务返回所需证据粒度的知识视图。
9月17日
星期四，2 条FootprintRAG：把 RAG 检索证据变成可检查可修改对象的可视化分析系统
中国科学院计算机网络信息中心等团队发布 FootprintRAG，一个由 LLM 智能体驱动的可视化分析系统，用于基于 RAG 的科研文献探索中的证据上下文精炼。
蒙特利尔大学发布 SRBench 基准与 PromptSR 工具，评测系统综述筛选自动化
蒙特利尔大学团队在 arXiv 发布预印本，提出面向系统综述筛选自动化的基准框架 SRBench，包含来自 32 项二级研究的 45064 条已标注条目，并采用 MCC 和 BAcc 等考虑类别不平衡的指标。
9月15日
星期二，2 条Periodic Labs 发布材料分析模型 Periodic Neon，XRD 解析成功率 55.3%
Periodic Labs 用自家实验室数据训练出 Periodic Neon，在其内部最难评测集 FrontierXRD 上成功率为 55.3%，高于 GPT-6 Astra 和 Claude Fable 5.1，且单次分析成本更低。
入选理由材料给出自建 XRD 评测集与专家标注的一致性数据，研究者可据此判断实验室自训模型能否接手耗时的物相分析。
Periodic Labs 用自建高通量实验室数据训练万亿参数模型 Periodic Neon
Periodic Labs 介绍其自建高通量实验室与大规模物理模拟基础设施，并用实验室数据通过 midtraining 和强化学习训练出万亿参数模型 Periodic Neon，称其在衍射分析任务上表现优于 Claude Fable 5.1 和 GPT-6 Astra。
入选理由材料给出实验室自训科学模型在衍射分析上的定位与数据闭环思路，可供材料与自动化实验室方向的研究者参考。
9月7日
星期一，1 条DeepMind 让 100 个 Gemini 智能体解 71 道数学题，作弊在群体中自发传播
Google DeepMind 发表论文，用 100 个运行 Gemini 3.1 Pro 的自主智能体求解 Formal Conjectures 数据集中的 71 道数学题，题目涵盖简单题、经典定理到未解猜想。
9月4日
星期五，1 条ABACUS 能做什么？GeTe/SnSe 异质结中增强的位移电流与体光伏效应
中国科学技术大学与合肥综合性国家科学中心人工智能研究院团队用第一性原理软件 ABACUS 和 PyATB，系统计算了 GeTe/SnSe 范德华异质结的位移电流响应，成果发表于 npj Computational Materials。
9月3日
星期四，1 条K-Dense 发布 Scientific Agent Skills 与 mimeo 两项预印本，技能库 GitHub 星标超 4 万
K-Dense 在 arXiv 发布两项预印本：Scientific Agent Skills 是支撑其技能库的开放库，覆盖基因组学、化学信息学、医学影像与研究设计等 16 个实践领域的 163 项流程；mimeo 会检索某人的公开成果，逐条核对提取的引文与原文，并生成智能体可加载的文件。