全部动态

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。

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。

上海AI实验室发布书生科学多模态大模型S2与物理世界模型W0，并开放书生·端砚全栈服务

上海AI实验室在2026浦江创新论坛人工智能赋能科学研究专题论坛上发布书生科学多模态大模型S2和书生物理世界模型W0，并开放书生·端砚科学发现平台全栈服务。

入选理由上海AI实验室把科学多模态模型、物理世界模型与端砚平台串成从假设到实验的闭环，研究者可据此判断哪些科研环节能交给AI。

Elicit 推出 Shared Projects，让团队共享 AI 研究会话与资料

Elicit 推出 Shared Projects，为团队提供持久保存相关会话、文件、来源、产物和既往工作的空间，使研究知识能随时间累积。不同成员可在各自会话中研究临床证据、竞争格局等不同主题，同时汇入同一共享知识库。该功能面向 Scale 和 Enterprise 机构开放，官方同时发布了产品博客。

K-Dense 发布 K-Bench 预印本：9 个模型在 178 项真实科研任务上的基准测试

K-Dense 的 K-Bench 预印本已上线 arXiv，在 178 项真实科研任务上测试了 9 个模型，均为开箱即用、不带智能体框架或技能。论文梳理了模型最常见的失败模式及其对研究的影响。K-Dense Web 新增 Amazon S3 与 Google Cloud Storage 数据连接器，可直接把自有存储桶中的文件导入研究会话。

OpenLAM 团队发布 DPA4 与 DPA4C 通用机器学习势，单卡可模拟 1405 万原子

OpenLAM 团队联合北京大学、DP Technology 和北京应用物理与计算数学研究所发布 DPA4 系列进展：DPA4 面向高精度路线，公开 OMat24 无机材料与 OMol25 复杂分子的预训练模型。

入选理由材料给出 DPA4C 在完整分子动力学基准上的吞吐与精度对比，材料计算研究者可据此判断它能否替代经验势做百纳米级模拟。

Qwen 发布 Qwen3.8-Max：2.4 万亿参数，主打长周期自主科研与工程任务

Qwen 团队发布 Qwen3.8-Max，称其为 Qwen 系列迄今最强模型，参数规模 2.4 万亿（95B 激活），已通过 QwenCloud 提供 API，权重将于下周在 Hugging Face 和 ModelScope 开源。

入选理由材料展示了模型在论文复现与改进、量化因子挖掘、芯片设计等长周期科研任务上的自主执行过程，研究者可据此判断其能否介入自己的实验与计算流程。

字节跳动发布 EdgeBench 基准，测量智能体真实环境学习并提出新缩放规律

字节跳动 Seed 发布 EdgeBench，一个面向真实环境学习的超长时程基准，包含 134 项任务、覆盖科学问题与机器学习、系统与软件工程、专业知识工作、组合优化、形式数学与定理证明、交互游戏与模拟器六个领域，每项任务支持至少 12 小时连续运行。

入选理由字节跳动开源 51 项超长时程任务与评测框架，研究者可据此评估智能体在真实环境中持续学习的能力。

Biohub 与 UC Berkeley 用激光相位板提升冷冻电镜成像对比度

Biohub 与 UC Berkeley 研究团队在三篇论文中报告，激光相位板在单激光和双激光（xLPP）两种配置下都能在现代冷冻电镜中显著提升小蛋白成像对比度。

入选理由Biohub 与 UC Berkeley 用三篇论文报告激光相位板在真实冷冻电镜中提升小蛋白成像对比度，并已开放断层扫描数据。

ARIA 实验：AI Scientist 能否发现新知识？

ARIA 搭建了名为 Albert 的多智能体推理层，在物理、化学、生物等概念构成、但规律完全不同的虚拟环境中测试 AI 能否通过设计实验发现隐藏规则。Albert 由 Explorer、Theorist、Director、Technician、Chronicler 五个角色组成，并配有原始日志与知识库两套记忆机制。

Latent Space 推出 AI for Science 专栏：区分"科学家"与"模拟器"两类模型

Latent Space 上线 AI for Science 专栏，由 Melissa Du 提出分类框架，把 AI 科研模型分为擅长推理与文献综合的"科学家"（LLM）和直接从数据学习物理动态的"模拟器"（领域模型）。