大模型时代多模态聚类是否仍有必要？郑州大学团队新算法直播解读
郑州大学计算机与人工智能学院徐明亮、胡世哲团队在《工程·信息与电子工程（英文）》（EITEE）发表新算法，针对多模态数据分类中某类数据占上风、样本判断出错等痛点。科学网将于2026年10月19日19:00直播，由胡世哲与主持人赵广立解读该算法思路，并讨论大模型能否直接完成分类及其短板。
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。
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。
10月15日
星期四，1 条10月16日
星期五，8 条纽约市立大学英语教授：AI 时代英语课究竟该教什么？
纽约市立大学 Hostos 社区学院英语教授 Anne Lovering Rounds 主张，把文学鉴赏、文学史知识与论文写作混为一谈的英语课程设置，才是 AI 冲击下真正的教学危机。
Arthur Mensch 论欧洲前沿 AI 自主
欧洲应该把前沿 AI 让给美国人和中国人吗？ 这个想法在欧洲已获得一些认同。这是一个根本性错误。 建设还是投降：目前，选择权仍在我们手中。 完整文章见下。https://x.com/i/article/2110989616249450496
DeepSeek API 求解成本估算
每个已解决案例的模型成本约 $0.30–$0.35。 该估算采用 DeepSeek 的错峰 API 费率，并包含在 RoboTwin、LIBERO 和 LIBERO-Pro 上的失败尝试。40 个展示回合平均每个 $0.13。
SciSpace 案例研究指南：定义、设计与示例
SciSpace 发布案例研究指南，将其定义为在真实情境中对个人、组织、事件或现象进行深入考察的研究方法，并区分探索性、解释性与描述性三种类型。指南给出六步设计流程，从界定研究问题、选定案例、文献综述与框架搭建，到选择数据收集方法、分析证据和呈现结论。
Databricks AI 研究团队如何使用 AI Runtime
Databricks AI 研究团队自去年 AI Runtime（AIR）推出起便作为首位客户，用它开发、训练和测试支撑 AI Functions 的模型。AIR 提供 GPU 预检与节点健康监控，可隔离故障节点，避免数百块 GPU 因单点故障闲置；配合 AIR CLI、自定义 Docker 容器和 MLflow 自动实验追踪，训练任务可在数秒内启动。
陶哲轩博客刊文质疑 OpenAI 数学成果：我们究竟在做什么？
Terence Tao 博客刊出 Rikab Gambhir 的客座文章，讽刺 OpenAI 在 10 月初以营销为目的生成约 700 条晦涩难懂、可能为真的数学事实，并把核实与理解的工作外包给数学界。文章将其与 Borges 的《巴别图书馆》对比，称其 722 篇写作文稿远超物理学界近期的 2500 篇，却无人能读懂。
Google Research播客谈AI与科研创造力
如果AI承担繁重的计算，科学家就能专注于重大问题？🎙️✨ @SineadBovell、Michael Brenner与Lizzie Dorfman在@GoogleResearch播客中讨论科研中的人类创造力。 👉 观看：https://youtu.be/dxq-3pimV-E
10月14日
星期三，3 条Digital Science 谈 Altmetric：生命科学科研影响力评估不能只看引用
Digital Science 指出，引用是滞后指标，Altmetric 平台通过学术、非学术、政府与专业来源追踪文章、书籍、报告及灰色文献的分享与提及，可识别特定 KOL 并分析社群情绪。该平台近期将研讨会与读者信息纳入数据集。社交媒体讨论可在发表当天出现，播客通常至少一年后，政策与指南引用一般要两到三年。
SciSpace 指南：通用研究目标与具体研究目标如何写（含示例）
SciSpace 发布学术写作指南，讲解通用研究目标与具体研究目标的区别及写法。通用目标陈述研究的总体目的，通常一个；具体目标将其拆解为可独立评估的任务，聚焦型学生论文通常写 2 到 5 个。指南给出公共卫生、教育、商业三领域示例，并列出定义研究问题、写通用目标、拆解具体目标、选用可测量动词、检查可行性与一致性五步流程及常见错误。
10月11日
星期日，1 条当 AI 学术检索自行生成查询文本：Aaron Tay 分析语义检索中的假设性文档扩展
Aaron Tay 在测试一款 AI 学术检索系统时，通过 Chrome DevTools 记录浏览器网络流量，发现系统在语义检索环节并非直接嵌入用户原始查询，而是把原始查询与一段 LLM 生成的、类似相关文档的文本拼接后再生成嵌入。
10月9日
星期五，3 条Ai2 如何为 GPU 集群设计高影响力调度系统
Ai2 用包含 GPU 时间预算、分层公平份额分配和时间切片契约的系统替换了原有基于优先级的调度器，把各研究项目该分多少 GPU 时间的争论从逐案运维事务转为透明的行政预算流程。Ai2 管理着数千块 NVIDIA H100、B200 和 B300 GPU，集群规模从 88 到 1024 块不等，服务约 150 名内部研究者，提交的工作负载对 GPU 的需求常年是可用量的 2-3 倍。
MIT Technology Review 圆桌对话：AI 设计病毒的创造者 Samuel King
MIT Technology Review 将于 10 月 16 日举办线上圆桌对话，资深 AI 记者 James O'Donnell 对话斯坦福大学博士生 Samuel King，讨论其用生成式 AI 模型设计微型病毒基因蓝图的工作。King 因此入选 MIT Technology Review 的 Innovators Under 35，该成果尚不构成 AI 生成生命，但可能是下一步方向。
10月8日
星期四，7 条Duke University Press 迎来百年：学术出版如何守护思想自由与溯源
Duke University Press 于 2026 年迎来百年，其前身 Trinity College Press 于 1926 年 1 月更名。该社以严谨同行评审著称，出版周期可达数年，并称 2026 年共有 10 家大学出版社庆祝周年。其历史可追溯至 1902 年 Bassett Affair，该事件确立了学术自由与言论自由原则，成为出版社的立社基础。
K-Dense Web 重跑 Kang 2018 干扰素数据：细胞层面与供体层面检验相差 38% 显著结果
K-Dense Web 对 Kang et al. 2018 发表于 Nature Biotechnology 的 IFN-β 刺激 PBMC 数据（GEO GSE96583。
学术 CV、biosketch 与研究者档案：各自该写什么？
SciSpace 发布研究指南，区分学术 CV、biosketch 与研究者档案三类文档：学术 CV 全面记录教育、职位、论文、基金、奖项等；biosketch 聚焦与特定项目或基金相关的资格与贡献，强调相关性而非完整性；研究者档案则是在线展示研究身份与成果。指南提醒具体要求因机构、资助方、出版商或平台而异，提交前须核对说明。
作者用 Hugging Face ML Intern 两天自建六个模型，总花费约 103 美元
作者在 HuggingChat 中开启 ML-intern 模式，用提示词描述需求，由智能体完成规划、预算确认、小规模测试、训练、评估与发布，几天内做出六个公开模型，总 GPU 与 CPU 费用约 103 美元。
入选理由作者用 ML Intern 在两天内自建六个小模型，公开了完整提示词与每项算力花费，研究者可据此评估智能体代跑训练流程的可行边界。
Consensus 如何做科研：从一个问题到可共享文献库的完整流程
Consensus 在 Consensus 101 课程中以“镁是否改善睡眠质量”为例，演示从提问、检索到建库的完整流程：其 220M+ 篇论文库结合关键词与语义检索，Deep 模式在该问题上运行 31 步并生成论点-证据表、研究时间线和研究空白。
SciSpace 指南：如何一步步做系统综述（含真实 PRISMA 示例）
SciSpace 发布系统综述分步指南，以 Dr. Ullah 的真实综述为例，演示如何将 4,634 条检索记录筛选至 74 篇纳入研究。指南覆盖确认综述必要性、定义并试点研究问题、构建可复现检索策略、设定纳入排除标准、筛选研究、数据提取、证据综合与报告质检八个步骤，并强调用 PRISMA 流程图记录筛选决策。
SciSpace 发布七步流程，核查 AI 生成引用与论断
SciSpace 基于 Joanne Donoghue 教授的讲座整理出一套七步工作流，用于核查 AI 生成的研究内容：先识别虚构论文、错误 DOI、作者名单错误、结论被曲解、编造统计量、虚假指南建议和虚假共识等错误类型，再依次定义证据标准、核验文献记录、获取全文、追溯论断出处、比较研究间差异并审计参考文献。
10月7日
星期三，5 条K-Dense Web 采用 Grok Bots 智能体
现在我打算采用 Grok Bots。不绑定特定模型的智能体才是正确方向。我们设计 K-Dense Web 时就是这么做的：针对给定任务选用最佳 API，而不被次等技术所束缚。
引用Elon Musk@elonmuskImportant note regarding Grok @Bot: Going forward, @SpaceX will use the best back end model for any given task, including Claude Opus 5.5, MidJourney, Suno and other leading APIs. Whatever is most likely to give you the best outcome.
SciSpace 发布期刊俱乐部讨论准备完整指南
SciSpace 发布《准备一场好的期刊俱乐部讨论：完整指南》，提出从研究问题、研究意义、方法学批判、统计功效到图表解读的准备流程。指南建议用 PICO 框架拆解临床或干预研究，并提醒关注样本量、随机化与盲法、主要与次要结局，以及置信区间和效应量，而非只看 P 值。
SciSpace 指南：如何设计研究问卷（步骤与示例）
SciSpace 发布研究问卷设计指南，将问卷设计拆为从界定研究目标到预测试最终工具的 7 个步骤。指南区分问卷与调查，并给出开放式、封闭式问题的示例，如参考文献管理工具选项。
SciSpace 发布文献综述写作指南：附注释范例与七步流程
SciSpace 发布文献综述写作指南，用一篇虚构教学范例演示如何围绕主题比较研究、指出证据差异并引出研究空白。指南给出七步流程：界定综述问题、统一记录证据、核查可比性、按主题分组、撰写综合、确立空白、核对原文。内容整合自 3 场 SciSpace 网络研讨会，并演示将 Literature Review Agent 限定在选定的 Zotero 馆藏内提取字段。
Jon Stewart 追问AI公众收益
今早看了 Jon Stewart 在《每日秀》关于 AI 的片段，一直在想他那个问题：公众到底从中得到了什么？ 所以我写了这篇（当然是在 AI 的帮助下）。如果 AI 想赢得我们的信任，它应该治愈点什么。 https://www.k-dense.ai/blog/ai-should-cure-something
10月6日
星期二，2 条如何挑选合适的种子论文：启发式方法与迷你基准
SciSpace 发布网页研究指南，给出挑选文献综述种子论文的启发式方法与迷你基准。指南建议按引用量、时效性和相关性排序种子论文，并称其迷你基准显示优质种子能显著减少文献地图的覆盖缺口。文中还列出选择偏差、数据库覆盖不全等常见问题，并演示用 SciSpace 相关文献智能体从种子论文扩展生成文献地图。
想让公众信任 AI，先治好一种病：OpenAI 称内部模型解决 Navier-Stokes 与民调信任下滑
OpenAI 9 月 8 日宣布其内部模型解决了千禧年数学难题 Navier-Stokes，证明由多个 AI 智能体在启动约 88 小时后产出并经 Lean 证明助手核验。