自主智能体按靶点重排 MSA，在三个蛋白复合物基准上提升 AlphaFold 3 界面 DockQ
上海交通大学等机构的研究者提出一个自主科研智能体，把冻结的 AlphaFold 3 当作黑箱实验仪器，针对每个靶点自行提出生物学假设、分析并重组 MSA，仅依赖预测器的无标签置信信号迭代调整序列选择与跨链配对。
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。
2,300 条收录动态，更新于 17:55
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。
11月2日
星期一，1 条11月4日
星期三，3 条腾讯混元 Hy4 正式版发布，号称首次跻身最强开源模型之列
腾讯混元发布最新一代大语言模型 Hy4 正式版，官方称其首次跻身最强开源模型之列，并计划近期开源模型权重、发布模型系统卡片。相比 Hy4 preview，Hy4 显著扩展预训练和后训练规模，首次引入视觉能力并支持电脑操作，可用于视觉与电脑任务、前端与游戏开发、科研与模型研发等场景。
alphaXiv OpenResearch v0.2.24 发布：新增俄语界面与 alphaXiv 登录
alphaXiv OpenResearch 发布 v0.2.24，新增俄语（ru）界面本地化，并支持用 alphaXiv 账号登录、让智能体调用其工具、在对话中选择文库论文。
Sakana AI 亮相 Gartner IT Symposium 展示三款模型
今日起 Gartner IT Symposium/Xpo™ 2026 开幕了🐡 Sakana AI 在展台展示 Sakana Marlin、Fugu、Namazu 的演示。 18:30 起还将在 IT Xpo 内举办交流招待会。欢迎莅临展台🚀 #GartnerSYM
11月3日
星期二，2 条El Agente Fármaco：面向药物发现的可扩展 AI 科学家
作者提出 El Agente Fármaco，一个用大语言模型把日常语言表述的发现目标转成可扩展计算筛选流程的 AI 科学家，由智能体选择科学工具、审阅结果并调整后续步骤。
LLM 科研智能体能否可靠判断可预测性？植入信号模拟实验的评估
作者把 LLM 科研智能体当作统计检验，在植入信号的模拟世界中评测三个前沿模型和一个开放权重模型的预设运行结果。智能体比预设的样本外检验更常检出弱信号，主要原因是它们接受更弱的证据；按智能体的假阳性率衡量，常规样本内检验表现相当或更好。
11月4日
星期三，2 条中科院天津工业生物所构建食品生物制造知识库 SynBioFooDB 并上线交互平台
中国科学院天津工业生物技术研究所构建食品生物制造知识库 SynBioFooDB，整合 74237 种食品化合物的来源、功能与生物活性信息，并通过大语言模型辅助提取与专家核验，从 5592 篇文献中提取涉及 1054 种化合物的微生物生产证据。
入选理由知识库把分散的微生物生产证据与合成途径整合为可检索平台，研究者可据此比较宿主与改造策略。
Lens API 与 SciSpace API 对比：专利与论文检索能力差异
SciSpace 的 Task API 用一句自然语言研究任务即可完成检索、阅读、提取与带引用的写作，并返回生成文件链接；其检索覆盖 280M+ 论文索引及 Google Scholar、PubMed、arXiv，任务还可调用 Google Patents、临床试验注册库、基金数据库和 77 个公开科学数据库。
11月3日
星期二，1 条对早期职业科研人员而言，AI 工具的成本可能是个问题
部分科研人员几乎不花钱就能用上顶级 AI 工具，另一些人则需自掏腰包或干脆不用。Science News 报道指出，对早期职业科研人员来说，AI 工具的费用可能构成实际障碍。
11月4日
星期三，4 条OpenAI 称 GPT-6 Astra 不到一周从零设计出一款硬件设备
OpenAI 称其硬件团队用 GPT-6 Astra 设计了一款让用户与 Codex 编程智能体对话的设备，作为副项目在不到一周内完成。据 OpenAI 说法，Astra 承担了外壳设计、含元件选型与走线的 PCB 布局、固件和用户界面等全部环节，代工厂在不到一个月内产出小批量原型，但因 Astra 未总能考虑制造约束、公差和装配细节，经历了几轮修改。
斯坦福研究：50 条被广泛引用的 LLM 结论中 44% 已失效，平均寿命 15.7 个月
斯坦福研究者 Owen Queen 和 James Zou 用 8 家开发者在 2024 年 7 月至 2026 年 9 月间发布的 20 个模型，复测了 50 条被广泛引用的大语言模型结论，发现 44% 已经失效，另有 34% 明显减弱，仅 16% 仍然成立、6% 反而增强。
MIT.nano 举办 2026 NEMO 用户会议，并展示开源平台 Hydra
MIT.nano 于 10 月 5–6 日主办 2026 NEMO 用户会议，65 名来自 25 家实验室和机构的代表参会，聚焦共享科研设施的管理与互联。
11月3日
星期二，1 条Prime Intellect 审计公开评测：AutomationBench、OfficeQA Pro v2 与 HLE-Diamond 的评分缺陷与奖励作弊
Prime Intellect 在运行模型卡中报告的公开评测时发现多处影响结果解读的问题，并开源了修复版本 PI-AutomationBench 与 PI OfficeQA Pro v2。
11月4日
星期三，2 条人类数学协会（AHM）发布博士指导指南
人类数学协会（AHM）教学工作组发布了一套面向院系、导师和学生的博士指导建议，含五项准则，核心是优先人类撰写的写作、避免过度依赖 AI、正视 AI 使用的伦理问题并改善学生福祉，同时给出具体落实方案。文件由 AHM 传播组在 Terence Tao 博客以客座文章形式公布，公开征求意见与反馈。
OpenAI 加速物理世界工程化
这些是早期的步骤，我们正在寻找工程师、工程公司和软件合作伙伴，共同塑造接下来的发展。 https://openai.com/index/accelerating-engineering-for-the-physical-world/
11月2日
星期一，1 条Collaborative Intelligence 基准：用 240 项任务衡量 AI 智能体的团队协作能力
研究团队提出 Collaborative Intelligence Benchmark，用 240 项任务从 8 个团队协作维度衡量 AI 智能体作为队友的表现，任务来源包括航空事故报告、临床病例、编程任务和谈判，结果均可程序化验证。
11月4日
星期三，4 条alphaXiv 转发 intology 博客：Locus 自动化分子发现中的 AI 研发
alphaXiv 转发 intology 关于自动化 AI 研发用于分子发现的博客，并给出发布在 alphaXiv 上的链接。据该博客，自动化研究系统 Locus 可自主开发科学 AI 模型，在分子性质预测、微调 Boltz-2 预测小分子活性以及围绕 BoltzGen、Boltz-2、ESMC、ESMFold2 构建抗体设计流程等任务上，表现优于 SOTA 基线和用于优化这些任务的 LLM 智能体；博客还称其在数据有限时泛化更好、样本效率更高、解方案更多样。
引用Intology@intologyLocus sets the frontier for automating molecular design Our automated research system Locus develops scientific AI models that outperform SOTA expert solutions Unlocking the potential of scientific AI requires leveraging proprietary data. Locus achieves this autonomously 🧵👇 -- We test Locus across a number of tasks related to molecular scoring and design: training molecular property prediction models for a proprietary task, fine-tuning Boltz-2 to predict small-molecule potency, and building antibody design workflows around BoltzGen, Boltz-2, ESMC, and ESMFold2. Each of these settings are real-world AI for science use cases, where tasks are often out-of-distribution for existing foundation models and limited in data, while featuring expensive and noisy evaluators. Compared to state-of-the-art baselines and LLM agents set to optimize these tasks, Locus achieves higher performance. Additionally, Locus generalizes better despite limited data, finds more sample efficient solutions, and explores a higher diversity of solutions.
FinDendro 基准：大模型自报知识边界不可靠，金融回测或存在信息泄漏
研究团队提出 FinDendro 基准，用 1999 至 2026 年的 2,226 条带日期的美国事实（月度宏观序列、月末股价和美联储决议）检验大模型对自身知识边界的判断。
Open-HumanScale 开源 5 万小时第一人称视频预训练配方与 HumanWAM 模型
研究团队发布 Open-HumanScale，一套将第一人称人类视频预训练扩展到 5 万小时的全开源配方，核心是带手部动作与自然语言密集标注的 Open-HumanScale-50K 语料。
fal 完成 E、F 轮共 16.5 亿美元融资
今天，我们宣布完成 E 轮和 F 轮融资，合计 16.5 亿美元。我们的 E 轮由 @sequoia 领投，F 轮由 @BessemerVP 领投，@nvidia 继续投资。 我们很期待明年进一步突破可能的边界，这笔资金将让团队能够按我们想要的方式去构建。
11月2日
星期一，1 条IdeaTaste 基准：LLM 能否共享人类研究者的科研品味
研究团队提出 IdeaTaste 基准，用 2025 年冻结的文献快照让 LLM 撰写研究提案，再与同一社区 2026 年实际发表的论文比对，以此衡量模型的科研品味。
11月4日
星期三，3 条Google Antigravity 上线化学信息学技能，演示中 1 小时检索数千种化合物
谷歌 DeepMind 为 Google Antigravity 推出一套化学信息学技能，帮助科研人员完成药物发现中的文献检索、分子分析、模型构建和新分子设计。
Mistral的Le Chonk独家发布于alphaXiv
Mistral的Le Chonk独家发布于alphaXiv！
引用Mistral AI@MistralAIThe story of how Le Chonk was built, told by the team behind it. Now on @askalphaxiv : https://www.alphaxiv.org/abs/2611.mistral-large-4
Gemini API CLI 与 Skill 资源
Skill：https://github.com/google-gemini/gemini-skills/tree/main/skills/gemini-api-cli CLI：https://github.com/google-gemini/gemini-api-cli
11月3日
星期二，2 条Particle-1 上线 OpenClaw
Particle-1 已在 OpenClaw 上线。 @particle_api 报告称，在基准准确率相当的情况下，其输出 token 数比 DeepSeek V4.1 Flash 少约 45%。标准推理零数据保留。 如需试用，请更新至 OpenClaw v2026.10.10。 https://particle.ai/blog/introducing-particle-1
Ai2 推出 StateBench：测试语言模型如何追踪长文档中的状态变化
Ai2 推出 StateBench，一个用于评估语言模型长上下文状态追踪能力的基准，按变量赋值方式划分为 r-trivial、aperiodic、soluble 和 general finite 四个难度层级。
11月4日
星期三，3 条Ai2 发布 StateBench 评估大模型状态追踪
大语言模型能否在长文本中追踪状态变化——比如一个物体几经转手，或一个变量被重新赋值？ 在我们新推出的 StateBench 评估中，包括 GPT-6 Sol 和 Claude Opus 5.5 在内的前沿模型，在最难、最长的问题上准确率降至 13% 或更低。🧵 https://github.com/allenai/state-bench
Ai2 推出 StateBench 状态追踪基准
StateBench 将状态追踪分为 4 个层级：r-平凡、非周期、可解与一般有限。 这些层级涵盖从记住固定信息（如生日）到更难的任务（如在杯子反复交换时追踪球的位置）。
Ai2 测试开放预训练模型与前沿模型
我们测试了开放预训练模型和前沿模型，包括 Gemini 3.8 Flash、Claude Opus 5.5，以及 GPT-6 Sol 和 Luna。 前沿模型在较简单的问题上表现良好。但随着任务变难、输入变长，准确率急剧下降——在最长的通用有限问题上降至 13% 或更低。