全部动态

Import AI 470：机器不应享有权利；SPADE 自动生成训练环境；Hawkeye 优化 GPU 内核

METR 研究笔记分析 AI 对科研的加速效应，发现网络安全漏洞报告在 2026 年较 2025 年大幅加速，数学领域贡献有限但 arXiv 部分方向投稿量不到 12 个月翻倍，AI 研究本身的算法进展则未见可测量的加速。

Import AI 469：DiG-bench 测科学发现能力、RSI 模拟器与扎克伯格的技术悲观主义

Import AI 第 469 期介绍了新基准 DiG-bench（Discovery in Games），包含 70 款规则与目标均隐藏、需靠交互探索发现的游戏，其中 21 款已公开，由 Thinking About Thinking、牛津大学、普林斯顿大学、KAUST、Swiss AI Lab、Inria、MIT 等机构研究者构建。

Elicit 与网页搜索 API 对比：BioASQ 基准上召回率 60.3% 领先

Elicit 在生物医学检索基准 BioASQ 的 5,486 个问题上取得最高召回率，50 篇结果时达 60.3%，高于次优系统的 40.3%。该评测将 Elicit 与 Exa、Brave、Parallel、Perplexity 四款网页搜索 API 对比，后者被限制在 PubMed 与 PubMed Central 范围内以保证公平。

Elicit 发布 BioDecisionBench，评测模型在药物开发决策中的推理能力

Elicit 发布 BioDecisionBench，包含从 26 个生命科学复杂推理失败案例衍生出的 40 个任务变体，覆盖靶点选择、临床试验设计到新适应症选择等药物开发环节。

入选理由Elicit 公开了自建基准 BioDecisionBench 的题目来源与评分方式，研究者可据此判断这类高利害推理评测是否可信。

Elicit 在 BioASQ 检索评测中召回率高于五款检索系统

Elicit 公布其论文检索在 BioASQ 生物医学检索基准上的评测结果，在 5,486 道题、前 50 条结果的平均召回率为 60.3%，高于其余五款被测系统，其中次优的 OpenAlex 关键词检索为 47.4%。

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。

PubTech Radar 第 43 期：PLOS 转向 Janeway、Google AI Overviews 退出开关与 Wiley 收购 Emerald

PLOS 宣布投稿系统转向 Janeway，并将向上游项目贡献代码。Google 于 6 月 3 日上线开关，允许出版商在保留常规搜索收录的同时退出 AI Overviews。The Company of Biologists 的付费同行评审试验显示，首次决定平均用时从 37.7 个工作日降至 5.5 天，审稿邀请接受率从 23% 升至 67%，审稿人每篇稿件获 220 英镑。

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。

Ethan Mollick：选择保持人类——AI 写作与 AI 辅导如何影响思考

Wharton 学者 Ethan Mollick 撰文讨论 AI 写作与学习中的"认知投降"（cognitive surrender），主张把 AI 用作辅助而非默认选项。

PubTech Radar 第 42 期：Scopus AI 更名 AI Discovery，Google Deep Research Max 点名开放获取期刊

Scopus AI 已更名为 AI Discovery；Google 的 Deep Research Max 在发布说明中明确将开放获取同行评审期刊列为报告可引用的权威来源之一。

大模型微调该选谁：Evolution Strategies 与 GRPO 的对比实验

一项在 alphaXiv 科研博客发布的实验对比了 Evolution Strategies（ES）与 GRPO 在 LLM 微调上的表现，测试覆盖 Countdown 与 GSM8K 两个数学推理任务，使用 3B 参数的 Qwen2.5 和 Llama-3.2 的 Base 与 Instruct 版本。

PubTech Radar 第 40 期：Frontiers 称超半数研究者已在同行评审中使用 AI

Frontiers 的新数据显示，超过一半的研究者已在同行评审流程中使用 AI。OA Switchboard 2025 年报告显示，其在 42,000 多个互联组织间发送了逾 230 万条消息，涵盖 42 家出版商、21 个联盟及 280 家机构与资助方。CABI 推出免费测试版工具 SDGenie，可将研究摘要匹配到具体 SDG 目标。

PubTech Radar 第 39 期：开放情报、AI 智能体与科研出版动态

PubTech Radar 第 39 期汇总了科研出版与 AI 领域的近期动态，包括 Clarivate 第三季度财报电话会中对 agentic AI 工具及原生 AI 工具 Alma Specto 的强调，以及 Crossref DOI 注册实践中科学出版创新的意见征集。