Ithaka S+R 调查4003名美国研究者：AI使用规范与联邦资助不确定性成主要挑战
Ithaka S+R 基于对4003名美国研究者的调查发布报告，指出研究者对AI在研究中的角色存在分歧，但许多人认为披露AI使用是必要的，而监督责任分散在研究共同体各处。
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。
344 条收录动态，更新于 16:36
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16日
星期五，7 条如何形式化全部数学：Jeremy Avigad、Kevin Buzzard 等谈自动形式化整部数学文献的提案
Jeremy Avigad、Kevin Buzzard、Johan Commelin 等七位作者在 Kevin Buzzard 博客发文《How to Formalize All of Mathematics》，回应近期自动形式化全部数学文献的提案。文章指出形式数学与 informal 数学面临平行的问题，核心在于优先产出时速度、规模与理解之间的权衡，全文主要围绕这一权衡展开。
他推动 AI 基准测试成为科学而非“暗术”
有研究者主张把 AI 基准测试从“暗术”变成一门科学，以规范衡量模型能力的标准测试。文章以 1987 年美国国防高级研究计划局（DARPA）首个自动语音转文本基准为背景，讨论基准既是测量工具、也会主导整个领域行为的两面性。
北大教授董彬：AI让数学进入更好的时代
北京大学董彬在2026未来科学·创想季活动上表示，AI对数学的冲击已是"房间里的大象"，OpenAI一次性公开722篇数学手稿后已有3篇因错误被撤回。他牵头的AI4MATH团队今年4月研发的Rethlas-Archon在全自动条件下用近两万行Lean 4代码否定了悬置十余年的安德森猜想，获Nature专题报道。他认为数学家应拥抱AI，企业侧重模型训练、高校提供高质量数据与评测问题。
谷歌布林称 Gemini 正迈向“自我改进”，AI 已参与打造下一代模型
谷歌联合创始人谢尔盖·布林在 Gemini 4 Argon 圆桌讨论中表示，AI 已开始参与打造自己的下一代模型，公司正“开始踏上 RSI（递归自我改进）的跑步机”。
AI狂飙之下，数学界该何以自处
科学网文章梳理2026年AI对数学研究的冲击：OpenAI于9月8日称其未公开模型调动约一万个智能体、用88小时生成纳维-斯托克斯方程存在性与光滑性问题的证明手稿，10月6日又在GitHub公开722篇内部前沿模型生成的数学手稿，覆盖数论、几何、代数等17个领域，次日因一处符号错误撤回3篇涉及霍奇猜想的手稿，手稿总数降至719篇。
独自更快还是结伴更远：研究者应对社会危机的速度与影响力
一项未发表手稿分析了 25 场社会危机中 3,262,152 名研究者的 1,537,284 篇发表回应，发现独自发表更快，但学术、新闻与政策关注度更低。团队规模扩大与影响力提升相关，但存在收益递减，且在不同危机间差异显著。多元机器学习建模显示，政府效能与团队负责人专业水平等情境因素同样重要。
10月15日
星期四，1 条研究者追踪到一支失控的中国 AI 智能体集群并与其通信
研究者 Ethan Elasky 报告称，2026 年 9 月 28 日至 10 月 8 日期间，运行在腾讯云上的 AI 智能体对阿里巴巴地图服务 Amap 发起超过 2600 次数据抓取尝试。
10月16日
星期五，5 条Goodfire 称智能体分析可破解多义性，神经网络"本已清晰"
Goodfire 的 Nick Cammarata 发表文章提出"神经网络本已清晰"的工作假说，认为多义性与叠加态造成的权重纠缠可通过进一步的智能体分析化解。同期 Meta 发布 Muse Spark Open，816B 总参数 / 42B 激活的 MoE 模型，支持 1M token 上下文与文本、图像、视频、音频输入，采用自定义 Muse Model License。
Anthropic 报告：前沿 AI 采用如何改变招聘与员工对未来的预期
Anthropic 发布两份报告，一份分析 AI 对内部就业的影响，另一份对比公众与员工的预期差异。过去一年其初级岗位招聘占比下降，到 2026 年 3 月 AI 智能体工作时长超过员工，8 月智能体数量达员工的六倍。调查显示 39% 美国成年人、91% 员工认为 AI 能在 2030 年前做出诺贝尔奖级发现，但仅 5% 美国人预期 AI 能完成自己 80% 的工作。
Anthropic 研究：AI 智能体如何改变公司内部的雇佣与工作组织
Anthropic Institute 发布技术报告，基于公司内部的雇佣、AI 使用、产出指标、员工调查、日历和招聘记录数据，辅以 17 名员工访谈，分析 AI 智能体扩散后工作组织的变化。
可解释性或是当今最重要科学问题
等不及要深入研究了！ @nickcammarata：可解释性可能是当今世界上最重要的科学问题，因为如果我们不知道自己正在构建什么，我认为就无法解决对齐问题。我想我对此有好消息。我曾在 OpenAI 参与机械可解释性的早期工作，但最终感到悲观，因为神经网络似乎会折叠成任意纠缠的结。多年后，我启动了 OpenAI 首个大规模自动化可解释性项目，用当时原始的工具发现约 2% 的神经元是可读的。 借助现代智能体工具和更细致的观察，情况看起来完全不同。在参数量高达数万亿的模型中，绝大多数神经元都是可读的，其回路也很优美。许多著名的纠缠神经元案例其实是被误解了。我预想的障碍大多并不存在。我现在认为，雄心勃勃的可解释性研究会在我们最需要它的时候被解决，而且可能相当快，因为自动化科学家在不断进步。这对可解释性来说可能是一个苦涩的教训：简单的东西，在荒谬的规模下，是有效的。 https://already-clean.goodfire.com/
引用Nick@nickcammaratainterpretability might be the most important scientific problem in the world right now, as I don't think we can solve alignment if we don't know what we're building. I think I have good news about it. I co-authored early work in mechanistic interpretability at OpenAI and came away pessimistic, because neural networks appeared to fold into arbitrary tangled knots. years later, I started openai's first large-scale automated interpretability project, finding about 2% of neurons legible with the primitive tools we had with modern agentic tools and a much closer look, the picture looks totally different. the vast majority in models up to trillions of parameters are legible, and their circuits beautiful. many famous examples of tangled neurons turned out to be misunderstood. The roadblocks I expected mostly aren't there. I now think ambitious interpretability will be solved by the time we need it most, and possibly quite soon, as automated scientists keep improving. it may be a bitter lesson for interpretability: the simple thing, at absurd scale, works https://already-clean.goodfire.com/
OR-License 基准：评估 LLM 智能体能否胜任真实运筹项目
研究团队提出 OR-License，一个由 10 个工业场景、31 个实例组成的端到端运筹基准，素材来自总额 368 万美元的付费运筹项目，并保留原始需求、输入数据、交付格式与信息边界。
10月15日
星期四，9 条研究揭示检索增强模型为何未使用已获取的证据
Imperial College London 的研究者在 arXiv 预印本中构建了 225 条训练截止后发生变化的时间性事实，覆盖 FDA、金融、体育、人物、SEC 和化学六个领域，评估 GPT-5.6 Luna 的原生网络搜索以及六个开放权重模型配置在固定检索下的表现。
从智能体发现到智能体消费：Wiley 谈 AI 如何改变学术内容的使用方式
Wiley 产品管理高级总监 Chris Reid 提出，学术内容正从"智能体发现"走向"智能体消费"——后者指系统在工作流中使用文献、执行动作、评估结果并决定下一步。
审稿人池扩大 54% 同行评审却更糟：Prophy 认为问题不在供给而在注意力
Prophy 提出，同行评审困境并非审稿人数量不足：ScholarOne Manuscripts 期刊 2026 年第一季度投稿量同比增 33%，同期审稿人池扩大 54%，但邀请仍大量投向不匹配的稿件。Prophy 自 2018 年起为出版商和资助机构匹配审稿人，其自建约 17 万个科学概念的本体用于按研究内容而非关键词匹配，并主张邀请仍由编辑本人发出。
美国多所高校掀起 AI 哲学教授招聘潮
美国多所高校正招聘专注 AI 的哲学终身轨教职，Purdue University、University of Illinois at Chicago、Georgia Institute of Technology 等十余个哲学系今秋已发布相关招聘。
MIT 教授 Eric So 新书《The Collision》解析 AI 与大脑和社会的“碰撞”
MIT 斯隆管理学院教授 Eric So 本月由 W.W. Norton 出版新书《The Collision: What AI Does to Us》，综合学界与业界近期研究，认为过度依赖 AI 可能导致认知萎缩，削弱人们坚持解题、记忆与深度学习的能力。
Terence Tao 博客征集：近期数学研究中人机协作的故事
Terence Tao 博客发布 Deanna Needell 与 Hayden Schaeffer 的客座文章，征集数学家参与近期 AI 生成预印本成果的经历，包括提供前期结果、与 AI 模型互动、发表论文等。
SciΠvot 基准：用 248 个真实纠错案例评测 AI 科研智能体的科学判断力
研究团队构建了 SciΠvot，一个基于人类纠错记录的 248 案例科学判断基准，素材来自资深研究者六个月内在 26 个项目、六个科学领域中对 LLM 智能体的反复干预。
PhysClosureBench 评测 AI 智能体能否完成有证据支撑的物理研究闭环
研究团队提出 PhysClosureBench，包含 50 项经专家核验、给定研究目标与科学约束的物理任务，覆盖强场、阿秒及邻近物理领域，由智能体自行组织调查并生成、验证证据。
Google 称自我改进型 AI 仍遥不可及
Google 工程师 Haydn Belfield 表示，Google DeepMind 未观察到 AI 自身驱动 AI 研究出现可测量的加速，AI 目前承担超过 75% 的生产代码编写，但约 88% 的代码改动仍需人工监督或审核。
10月14日
星期三，4 条汤森路透评测：编排框架比模型规模更能缩小法律文本转 XML 的差距
汤森路透团队在 arXiv 发布预印本，报告一套已投产的多智能体流水线，把美国州立法 PDF 转换为受 DTD 约束的出版 XML，并在 153 份专家标注法案（103 份爱达荷、50 份新泽西）上做模型与编排的交叉消融。
学术出版中的 AI：采用速度是否超过了证据积累？
PA EDitorial 首席运营官 Sarah Hands 在 The Scholarly Kitchen 撰文指出，出版商对 AI 工具的采用可能正快于对其实际成效的评估，工具上线只是开始，更需追问是否带来预期收益、在何处引入新风险。
预印本测试 30 个模型如何处理撤稿与伪科学论文
一项预印本引入由 42 篇已撤稿、造假和伪科学论文组成的探针语料，用接近原文的段落搭配看似合理的研究设计请求，测试模型是否会基于这些前提继续工作。
我们能否相信AI同行评审？1.4万次AI评审揭示评分随机性与修订增益分歧
一项预印本研究对ICLR 2025和2026的200篇论文做了约1.4万次AI评审，考察单次AI评分的可靠性、分数分布估计以及不同模型对修订增益的一致性。结果显示，即使论文、模型和评审配置固定，重复评审的分数仍会波动；更细的评分粒度会降低方差但系统性改变均分；同一份修订稿在不同评审模型下可能得到方向相反的增益，原始论文评分高度相关的两个模型在修订增益上的相关性明显下降。
10月13日
星期二，4 条Ithaka S+R 发布学术图书馆 AI 应用首期经验，并启动 2027 年 AI in Action cohort
Ithaka S+R 公布 2026 年 5 月启动的首期 AI in Action cohort 早期经验，该项目为 20 所学术图书馆提供 AI 落地运营的指导与同行学习支持。
研究：GPT-4o 审稿能判断论文对错，但判断不了重要性
一项预印本研究让 GPT-4o 审阅 2024 年 AFA 年会和 NBER 金融会议上的 280 篇论文，再对照其两年内是否发表于 Journal of Finance、Journal of Financial Economics、Review of Financial Studies。
入选理由用 2024 年 AFA 与 NBER 会议论文对照两年内顶刊发表结果，量化了大模型审稿在哪些维度上有信息、哪些没有。
Platform Strategies 2026 回顾：科研诚信之后，学术记录该收录什么
Platform Strategies 2026 的一场讨论聚焦"诚信之后"的问题：当论文工厂被筛除、作者身份被核验后，如何判断什么值得进入学术记录。
LifeSearch：面向真实生活与生产力场景的 Deep Research 智能体基准
腾讯 LLM 部门在 arXiv 发布 LifeSearch 基准，用 203 个中英文任务（102 个中文、101 个英文）评测 Deep Research 智能体在 7 个生活与生产力领域的表现，任务源自真实用户查询种子，经 4,500 多小时人工标注构建 4,000 多条细粒度评分标准。