EvoCast：面向迭代预测架构演化的自主研究智能体系统
arXiv 预印本提出 EvoCast，一个面向时间序列预测架构演化的全自主研究智能体系统，通过固定任务协议下的多轮研究循环，先建立并诊断任务专属基线，再生成有证据支撑的架构改进方向。
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。
487 条收录动态，更新于 15:29
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3日
星期六，3 条多智能体假设生成中的成对等价判断审计：自我批判效应与多样性测量
约翰斯·霍普金斯大学与 Merck 团队审计了多智能体假设生成中依赖成对等价判断的两类评估问题，该工作已被 NeurIPS 2026 Agentic AI for Biological Discovery Workshop 接收。
Meta 等机构提出 IdeaScientist：把科研构思拆成三个智能体并分别强化学习
Meta Reality Labs 与 FAIR 等机构的研究者提出 IdeaScientist，把科研构思拆成找研究空白、跨领域借鉴机制、撰写完整提案三个子智能体，用异步 GRPO 和分角色评分标准分别训练，并构建含 277 万条（问题定义、挑战、研究空白、直觉、提案）元组的 Svalbard Idea Vault 语料用于检索、训练和评估。
编辑推荐理由编辑推荐：直接服务科研构思与选题，作者已公开可运行框架代码和数据入口，研究者可自行部署验证。当前仍为预印本研究，效果主张来自作者评测。
10月2日
星期五，3 条FinNextAssist：面向专业金融深度研究的助手框架
南华理工大学、新加坡国立大学等机构提出 FinNextAssist，一个面向专业金融分析的端到端 Deep Research 框架，将研究流程拆分为 Task Planner、Evidence Compiler、Reasoning Engine 和 Report Assembler 四个阶段，并引入 TabAgent 与 HeteroAgent 两个轻量级子智能体。
UCLA 团队发布 Ansatz：用持续图记忆的数学研究智能体解出多个开放问题
UCLA 团队提出数学研究智能体 Ansatz，其核心是持续图记忆（Continual Graph Memory），用依赖图组织事实、计划与反例等中间结果，并支持跨问题复用经验。
入选理由数学研究智能体 Ansatz 用图记忆组织证明搜索，在十个基准问题上全部通过，并独立给出四个开放问题的完整解。
Meta 等提出 MIRA 与 MIRA-AC，把长周期自主科研拆成显式选题决策
Meta AI、特拉维夫大学和哥伦比亚大学的研究者提出 MIRA，一种分层架构，把长周期科研拆成外循环元推理决策与内循环执行：外循环从持久研究记录中整理证据，产出工作指令或终止决策，内循环用 Codex 执行单次调查。
10月1日
星期四，6 条从 OpenClaw 到 OpenAI dots：AI 智能体为何不再需要人类管理
Ethan Mollick 在 Substack 中修正了自己此前的判断：管理 AI 智能体并不需要人类精心设计组织结构，AI 自己就能学会分工协作。他以 OpenAI 的 dots、Meta 的 Muse 等 Clawlikes 类个人智能体为例，说明用户无需提供大量上下文或计划，智能体可自行从消息中学习并主动发现问题。
Ai2 发布 Olmo-core 3，面向万亿参数 MoE 的开源训练框架
Ai2 发布 Olmo-core 3，这是其大语言模型开发框架的一次重大升级，重新设计了开放的混合专家（MoE）训练系统，目标是把 MoE 训练扩展到万亿参数规模并保持计算效率。
入选理由Ai2 开放了面向万亿参数 MoE 的训练框架，学术研究者和小型实验室可据此评估自建大模型训练的门槛。
YouRA：面向可溯源自主科研智能体的持久状态架构
韩国电子通信研究院（ETRI）提出 YouRA（Your Research Agent），一种面向自主科研的持久状态架构，通过 Verification State Architecture（VSA）、Independent Controller 和 Stateful Reflection 三个组件保存研究状态、执行证据与失败历史。
牛津等团队提出 RAC：让 AI 科学家在运行时协调分工
牛津大学、KAUST、悉尼大学与剑桥大学的研究者提出 Runtime Agent Coordination（RAC），在 Agent Laboratory、EvoScientist 和 ARK 三个 AI 科学家系统执行过程中动态选择下一个智能体，并加入工作契约与基于产物的验证。
物理学家 Matthew Schwartz 复盘 Claude 驱动的 BootLoops 科研实践
Anthropic 研究博客发布客座文章，物理学家 Matthew Schwartz 描述他不再让 Claude 扮演人类科学家，而是寻找适合当前 LLM 能力的“Claude-shaped”问题，并为此构建开源工具包 BootLoops。
入选理由一位物理学家复盘用 Claude 与 BootLoops 在 18 个领域推进 36 篇稿件的经验，对想找 AI 适配课题的研究者有参考价值。
K-Dense 发布 LabMCP 等更新，支持用自然语言操作实验室仪器
K-Dense 发布开源 LabMCP，包含 32 个连接器和 411 个动作，让 AI 助手用自然语言操作天平、加热板、泵和探头；每个请求都会对照用户设定的安全限值检查，所有命令均被记录，并提供无需接入设备的练习模式。
入选理由材料给出了连接器数量、安全限制与日志机制，研究者可据此判断能否用自然语言驱动实验室仪器。
9月30日
星期三，10 条ConflictGuide：让竞争行为可见，提升 AutoResearch 的模型演化效果
新加坡国立大学等机构的研究者提出 ConflictGuide，在基于大语言模型的 AutoResearch 循环中引入竞争行为反馈：先用标量任务反馈做广泛探索，待任务增益减弱后，用文献分类体系识别模型特有的行为冲突并设计探针，把探针结果反馈给代码智能体以引导修改和保留决策。
中科院团队提出 EEM 框架，用实验经验建模降低自主科研实验成本
中国科学院计算技术研究所等机构的研究者提出 Experimental Experience Modeling（EEM）框架，用于自主科研中的实验决策：从既往实验轨迹中提取可复用的经验条目，判断历史经验是否足以决定某个方向是否值得继续投入，不足时再执行低成本的针对性试点实验，并将新经验回填经验库。
AutoMIP：面向混合整数规划的自主科研框架在 MIPLib 与 MINLPLib 上找到新最优解
作者提出 AutoMIP，一个用于混合整数线性与非线性规划（MILP/MINLP）的自主科研框架，通过持久化想法池与算法树联合管理研究方向与可复用实验状态。在 MIPLib 的 60 个实例中，AutoMIP 为 31 个找到新的最优解；在 MINLPLib 的 60 个实例中为 52 个找到新的最优解，均超过所比较的自主科研框架。
openresearch-cli v0.2.14 发布：修复 Claude Code 认证检测与运行边界
openresearch-cli 发布 v0.2.14，修复 Claude Code 经 Bedrock 认证时被误报为未登录的问题（#480），并明确上传 skill 与本地运行器的边界（#458）。
DAGent：面向深度研究智能体的 Evaluate-then-Grow 增量规划框架
纽约大学等机构的研究者提出 DAGent，一个基于有向无环图的多智能体框架，用 Evaluate-then-Grow 增量规划替代先规划后修补：Orchestrator 依据已完成节点的置信度与不确定性信号逐批扩展任务图，并配套 DAG 条件强化学习 DAGRPO。
SimEX：用仿真整合的自动科研框架让编码智能体自主获取机器人操作能力
得克萨斯大学奥斯汀分校与 Amazon FAR 等机构的研究者提出 SimEX，一个把仿真实验与编码智能体结合的自动科研框架：第一阶段智能体在仿真中自主生成任务、探测能力库弱点并迭代优化，第二阶段用少量真机试验校正仿真并筛选修复方案。
PathAnchor：用路径化证据组织提升科学智能体的检索与引用完整性
华东理工大学、复旦大学与腾讯的研究者提出 PathAnchor，一个基于路径化证据工作区的科学推理系统，把文献证据组织为 Material–Sensor–Signal–System 功能轨迹，保留角色、方向与每条转换的来源证据，控制器用三个只读工具检索、追踪路径并打开原文，输出带引用的答案和明确的证据边界。
Population Health Partners 如何用 Kosmos 加速 IND 监管流程
Population Health Partners 与 Edison Scientific 于 2026 年 6 月启动合作，用 Kosmos Clinical Protocol Design 和 Kosmos Regulatory Authoring 支持 IND 准备。
Elicit 推出 Routines，可按日或每周自动执行检索与更新
Elicit 推出 Routines，用户用自然语言告诉 Elicit Research Agent 需要持续执行的任务，它就能按每日或每周的计划运行。Routines 在 Alerts 的基础上更进一步，不只提示有新论文，还会调查发生了什么变化并生成更新，例如每周一检索 CAR-T 疗法的新证据、更新摘要并说明改动及来源链接。
入选理由Elicit 把文献监测从定期提醒扩展为可定时的检索与更新流程，研究者可据此判断能否替代每周重复的检索整理工作。
Anthropic 研究：机器人可完成美国四分之三体力任务，但仅 0.3% 岗位任务具备成本竞争力
Anthropic 发布机器人暴露指数，用 Claude 对 O*NET 约 900 种职业、约 19000 项任务评分，发现当今机器人可完成美国 74% 的体力任务、占 34% 工作时间，但多限于高度受控环境。
9月29日
星期二，6 条AutoMark：让自主科研代理发现更优的 LLM 水印方案
arXiv 预印本提出 AutoMark，用自动验证与评估框架让编码代理自主搜索 LLM 水印方案，在 GPT-6 Astra、Opus 5、Gemini-3.8 Flash 上共生成 52 个方案，其中 ConcordMark 与 RotationFirst 在留出测试集上优于 AAR、SynthID、TextSeal 等基线。
Synthetic Universes 基准：AI 科学家预测通过不等于还原机制
arXiv 预印本提出 Synthetic Universes 基准，为每个经典物理世界配一个由相近非经典机制控制的孪生世界，用留出延续与迁移执行检验预测，用独立检查器检验是否还原生成机制。
第二届“万方数据杯”智能体大赛截稿在即，训练营最后一课今日直播
第二届“万方数据杯”智能体大赛投稿将于2026年10月7日23:59截止，作品仅保存草稿不算完成投稿，需同步上传说明素材。智能体训练营第二课于9月29日13:30直播，由万方数据开放平台技术专家讲解评分细则与参赛指引，支持回放，完成两期课程可获电子结业证书。
DeepRewind：预测并修复深度研究智能体的过早定论
不列颠哥伦比亚大学作者提出 DeepRewind，一个叠加在 Open Deep Research 之上的控制层，把智能体的认知状态表示为含来源、证据、论断、假设、承诺、计划与草稿的类型化图，在中间结论被接受前用基于提示的世界模型预测其可逆性并决定是否放行，后续证据推翻承诺时只回滚受影响子图。
AI Night-Scientist：用强化学习训练模型在科研构思中偏离常规推理
伊利诺伊大学厄巴纳-香槟分校与 Microsoft Research 的研究者提出 AI Night-Scientist，一个基于强化学习的智能体框架，把创造力拆成动作层（怎么做）、过程层（何时探索或利用）和结果层（想法的新颖性与有用性），用 GRPO 训练模型生成长期科研提案。
MechBench：清华等团队提出区分现象规律与机制发现的科学智能体基准
清华大学等机构的研究者提出 MechBench，一个把现象规律恢复与机制发现明确分开评测的基准，每项任务由机制模型定义，智能体只能看到观测数据和科学背景，再通过机制探针考察其内部科学推论。
9月28日
星期一，2 条AfS（Agent for Science）：面向长周期科研智能体的极简节点、可复验工作流与累积记忆架构
论文描述为长周期科研工作设计的平台 AfS（Agent for Science），把科研纪律编码为机械强制执行的"铁律"，使不合规状态在系统中无法表示，而非依赖提示模型自觉。
Import AI 474：Michael Levin 提出"柏拉图心智空间"假说，智谱启动外层 RSI 循环
Michael Levin 在 MDPI 发表论文提出"柏拉图心智空间"假说，认为心智与大脑的关系如同数学模式与其引导的形态发生结果之间的关系，身体（生物、工程或混合）只是模式进入物理世界的接口。该假说尚无决定性实验支持，但 xenobots、anthrobots 及排序算法扰动实验被视为旁证。