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。
287 条收录动态，更新于 10:45
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。
我同意 @DaveARicks 的看法：通过机器人实验室进行大规模数据收集，将是未来科学的重要组成部分。
Well said Vas. AI will help us conquer disease, but this will take time, effort and lots and lots of data that doesn’t exist, yet. I would add that robotic labs will begin to make scaling data more tractable. https://lnkd.in/p/g8qvP5qX
MIT 公开课 6.S950 第五讲讲义更新，用约 300 行 Python、两个工具（search、read_lines）、本地 Ollama 跑模型的教学 Agent「Baby Anigans」拆解 Agent = LLM + Harness。
https://x.com/i/article/2103456568209768449
@GoogleResearch 如何选择下一个登月项目？💡 @SineadBovell 与 Michael Brenner 和 Lizzie Dorfman 一起分享了他们的三步框架： 1️⃣ 这是个大问题吗？ 2️⃣ 技术能解决它吗？ 3️⃣ Google 是否具备解决它的条件？ 🎬 观看：https://youtu.be/dxq-3pimV-E 订阅：https://goo.gle/GoogleResearch
AI 会“解决科学”——还是拓展科学？🔬 在 @GoogleResearch 播客第 2 集中，@SineadBovell、Michael Brenner 与 Lizzie Dorfman 探讨了技术在发现中的作用。 核心要点：生成模型加速突破，但人类的好奇心驱动愿景。 👉 https://youtu.be/dxq-3pimV-E
alphaXiv 认为科研智能体的采用仍处早期，当前大致相当于编程智能体 12-18 个月前的水平：多数研究者只愿把范围狭窄的单项任务交给智能体，模型使用也集中在少数闭源前沿模型上。其预测，多数研究者很快会让智能体端到端探索实验路线，开源模型也将成为有竞争力的替代选项。相关排名可在 openresearch.sh/rankings 查看。
2026 法兰克福书展上，关于 AI 的讨论焦点从能力转向权限、责任与可信内容能否被实际发现和使用。Research Information 的 Scholarly Publishing: Trends for Constructive Growth 报告显示，学术机构被普遍认为对 AI 准备不足，科研诚信虽是共同优先事项，但产业界与学术界的进展认知存在差距。
LSE Impact Blog 刊文主张，高校学者作为知识生产者与教育者，负有伦理责任捍卫 Wikipedia 等开放知识社区。文章称生成式 AI 产品分流读者、未经授权抓取内容，而 Wikipedia 由志愿者社区运营、依赖读者补充新血。
MIT课程MAS.S62「How to AI an AI」的Lecture 4-5聚焦Harness演化与多Agent演化，讲义将Harness拆为Context、Control、Action、Evaluation、Evolution五个组件。
https://x.com/i/article/2112152891670896640
担任 Elsevier 期刊 Nurse Education in Practice 主编的 Prof. Roger Watson 在 SciSpace 网络研讨会上拆解了编辑在送审前如何筛稿：他假期后收件箱积压 152 篇稿件，预计仅 25 篇能转给其他编辑处理。
Import AI 作者在曼谷 IMF 会议上发表 Per Jacobsson 讲座，称今年已获得令人信服的证据表明奇点已经开始，呼吁经济学家、银行家和政策制定者预期未来的剧烈快速变化。他以 Anthropic 内部研究人员产出的代码量约为公司前四年近 10 倍为例，说明 AI 已在软件开发等领域增强并自动化人类劳动。演讲重点讨论人类如何通过远见与克制共享 AI 带来的科学进步收益。
在《钻石年代》中，Neal Stephenson 设想了一本书，它能发明游戏和故事，在小女孩成长过程中教她所需的知识。我尝试做了一个小版本。我把关于对齐的头脑风暴文档给了 Claude，让它做一个类似塞尔达的游戏，教人们了解 AI 对齐。这是成果 🪁 简版：它很擅长构建世界，但在理解玩家方面仍然较弱（详情见下）
SciSpace 发布指南，对比研究论文与综述文章的区别：研究论文报告原创调查发现，综述文章则综合已有研究、评估证据一致与冲突之处并指出未解问题。指南梳理了两类文章的常见类型与结构，并说明选择取决于研究目标、已完成的工作和目标期刊要求。
中国工程院院士徐兵河指出，中国抗肿瘤新药研发正从参与国际多中心研究转向源头原创，2025年前8个月新药出海靶点覆盖CD3、PD-1/PD-L1等。其团队主导的吡咯替尼在PHILA头对头研究中PFS和OS均显著优于对照组，国产CDK4/6抑制剂达尔西利Ⅲ期DAWNA-1研究也显著延长中位PFS并已获批上市。
Digital Science 旗下 Symplectic Elements 以 OA Monitor 等工具减少开放获取带来的手工行政负担，支持一键存缴与后台自动采集数据。
神经科学家发现，皮层与纹状体等通用型回路因高度递归、任务多样，无法像视网膜或鸟鸣回路那样被拆解为顺序前馈的机制解释，实时记录或操控活动时模块化图景随即消失。作者据此提出，面对这类复杂分布式系统，研究者或需接受其复杂性，并重新界定神经科学中"理解"的含义。
作者用开源 AI 科研工作台 Open-Science 建立 RSI 项目，梳理从 Reflexion、STaR、SPIN 到 DGM、AlphaEvolve、Hyperagents 的自我改进路线。
Terence Tao 在博客中汇总了近期演讲与访谈，包括 8 月 28 日 Big Think 访谈、9 月 17 日 IPAM 关于 AI 时代 PDE 验证与算法的研讨会报告、10 月 9 日 Caltech 公开讲座“Math 2.0”，以及 10 月 15 日 Numberphile、10 月 16 日《纽约时报》的访谈。
Francesco Maggi 在 Terence Tao 博客客座文章中提出，LLM 已能生成数学证明，如带强迫项的 Navier–Stokes 方程有限时间爆破解构造和准黎曼假设证明提案，但需数学界持续独立审视。
在第六届智能计算创新论坛上，中国科学院院士励建书提出，AI赋能下数学研究范式可能改变，单纯为发表论文的研究价值将大幅下降，对顶尖数学家的需求会大大增加。他倡导启动“未来数学计划”，建立完全开放、不依赖单一公司的“AI+数学”创新共同体。他还指出Math for AI的数学基础研究仍滞后，AI目前主要靠工程师推动。
Google Scholar 没有官方公开开发者 API，开发者只能通过 SerpApi、HasData 等第三方接口或 OpenAlex、Crossref 等独立学术 API 获取数据。
Perplexity API 的 Search 按成功请求计费，Standard Search 每 1,000 次 5 美元、Fast Search 每 1,000 次 1 美元，均不额外收 token 费。
MarkTechPost 发布教程，实测 NVIDIA 的 Structured Data Models 库：它把 TabICLv2、KumoTabular 和 KumoRelational 等预训练表格基础模型封装在同一个 PyTorch 接口下，通过上下文学习在单次前向中给出预测，无需训练。
Anthropic 联合创始人杰克·克拉克称，公司内部模型预测在特定条件下到 2030 年 AI 能让美国经济产出提升近 50%，GDP 达 44 万亿美元。他同时警告 AI 发展可能超出人类管控，呼吁为这项技术制定严格规则，并称生物研究领域需最严格的人工监督与信息透明机制。
想找个周末项目？ 以下是社区一直在构建的东西，以及你如何自己复现： https://youcanjustbuildthings.openai.chatgpt.site
中国科学院院士、北京大学讲席教授鄂维南在光华思想力论坛上预测，AI 将大幅降低科研门槛、推动"科研平权化"，未来民科是科研的主力，每个有想法有能力的团队和个人都可参与科技创新。他提出构建 AI 原生工业软件体系，称一两年内可做成对标甚至超越西门子的体系，工业生产线建模则需三年、最多五年。他还警示现行科研体系面临挑战，科研成果形态将从论文转向知识产权。
斯坦福大学博士生 Samuel King 用生成式 AI 模型提出微型病毒的遗传蓝图，这还不是 AI 生成生命的实例，但可能是下一步。MIT Technology Review 资深 AI 记者 James O'Donnell 与 King 对谈其工作、入选 Innovators Under 35 以及观察生物学的新方式，对话录制于 2026 年 10 月 16 日。
