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。
56 条收录动态，更新于 14:54
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。
Caroline Turnage-Butterbaugh 在 Terence Tao 博客客座撰文，梳理黎曼 ζ 函数临界线上非平凡零点比例下界的研究脉络，从 Selberg、Levinson、Conrey 到 2020 年 Pratt 等人的 41.7%。
入选理由作者以第一手视角梳理黎曼 ζ 函数临界零点比例的最新进展，并解释 Anthropic 模型与 Lamzouri 两条证明路径的差异。
微软 AI 的诊断系统 MAI-DxO 在《Science》发表的模拟研究中，对《新英格兰医学杂志》复杂病例的诊断准确率为 83%，而单独工作的全科医生和普通内科医生为 36%；这些复杂病例通常由专科医生或团队处理，后者未纳入对照。
微软 Health MAI 团队发布 AI 诊断系统 MAI-DxO，并配套提出逐步诊断基准 SDBench，成果发表于 Science。在 304 个 NEJM 复杂病例上，MAI-DxO 诊断准确率为 83%，医生在有外部参考资料时为 36%、无参考资料时为 22%；在 MIMIC-IV-ED 的急诊常见病例上为 80%，医生为 47%。
入选理由微软团队公开了逐步诊断基准与开源代码，研究者可据此复现评测并检验诊断推理系统的成本与准确率权衡。
Google Research 宣布个人健康智能体（Personal Health Agent，PHA）研究发表于 Nature，并将该框架开源给社区。据其引用的团队介绍，PHA 是 Google Health Coach 背后的基础多智能体架构，通过编排多个专用智能体处理可穿戴设备与生物标志物数据，团队称其建立了安全、个性化健康 AI 的基准。论文链接：https://www.nature.com/articles/s41586-026-11161-8
A new Nature paper by our teams on the Personal Health Agent (PHA)—the foundational multi-agent AI architecture behind Google Health Coach. By orchestrating specialized agents across wearable and biomarker data, we're establishing a benchmark for safe, personalized health AI—and open-sourcing the framework for the community. Nature paper: https://www.nature.com/articles/s41586-026-11161-8
微软的 Diagnostic Orchestrator 用多个 AI 智能体模拟专家会诊，在取自《新英格兰医学杂志》数百份病例报告的测试中诊断准确率约 83%，使用参考资料的全科医生约 36%，不使用的约 22%。
研究团队提出 El Agente Cuántico，由协调智能体把任务分派给对应不同软件包的专职智能体，产出代码、数值结果和图表，覆盖分子能量计算、纠缠态、耗散动力学、时间晶体、量子纠错与硬件资源估计等任务。
研究人员在 Frontiers in Science 发表论文提出，靶向 G 蛋白偶联受体（GPCR）信号网络的疗法有望同时干预多种衰老相关疾病。作者认为，AI、系统生物学与精准医学的进展可支持基于个体衰老生物标志物的个性化治疗，并与代谢疗法、再生医学等长寿策略互补。该方案目前仍属研究构想，尚待验证。
Microsoft Research 宣布其新研究解决了 KLS 猜想，这一关于高维计算难题的关键问题此前数十年未获证明。该结果移除了理解科学与计算中随机算法效率的一大障碍。原文链接：https://msft.it/6011aar01
美国麻省总医院布里格姆医疗系统的研究人员用超过4000万张面部图像训练出基础模型FAHR-Face，并据此开发FAHR-FaceAge估算生物学年龄、FAHR-FaceSurvival直接预测癌症患者死亡风险，结果近期发表于《柳叶刀·数字健康》。
MIT、波士顿儿童医院与 Inria 的研究团队开发并训练了深度学习模型 E(3)-Pose，用于在胎儿头部运动时辅助成像，获得可供放射科医生查看的高分辨率图像，相关论文在 2026 年 European Conference on Computer Vision 上报告。
研究人员开发出一款 AI 工具，仅凭一张面部照片就能预测癌症患者的生存几率，研究发表在《柳叶刀·数字健康》。模型用超过 4000 万张人脸图像和 3 万多名癌症患者的照片训练，会为患者生成风险评分，评分最高者更可能在 90 天内死亡；估算年龄误差约 5 岁，并能在不同年龄、种族、性别和癌症类型人群中生效。
中国科学院上海硅酸盐研究所团队构建物理引导生成式超分辨模型 StableAFM，将 AFM 采样物理与潜空间扩散模型结合，在快速稀疏扫描条件下复原精细空间信息。
Nature Machine Intelligence 发表的可复用性报告考察了此前提出的生物网络学习框架 CORNETO 的可复用性，发现稳健的网络推断取决于数据可得性、先验知识、正则化和生物学背景，并据此划分出不同的稳健性区间。原文链接：https://www.nature.com/articles/s42256-026-01311-y
Nature Machine Intelligence 于 10 月 19 日在线发表论文《Towards understanding and monitorability of reasoning LLMs》，讨论前沿大语言模型逐步生成人类可读的推理文本，但这些推理 Token 并不构成对模型内部计算的准确解释，由此带来可监控性方面的挑战。
Nature Machine Intelligence 在线发表的一项研究提出一种神经网络方法，衔接拉格朗日与欧拉两种视角，将稀疏观测转换为复杂且混沌流体运动的高分辨率物理准确图谱。论文由 Kai Fukami 撰写，DOI 为 10.1038/s42256-026-01319-4。
Wan 等人在 Nature Machine Intelligence 发表 TrajectoryFlowNet，这是一个物理信息学习模型，可基于非常有限的轨迹测量同时预测长程粒子路径和流场。研究在模拟和血流实验中对该模型进行了验证。doi:10.1038/s42256-026-01316-7
中国科学院南京土壤研究所张佳宝团队联合中国地质科学院水文地质环境地质研究所等单位，基于物理信息神经网络（PINN）构建了面向地热对井系统的水热耦合模拟框架，成果在线发表于《热工程案例研究》。该框架将地下流体流动与热量传输控制方程引入神经网络训练，用双网络架构分别预测水头场和温度场。在河北献县地热田对井采灌系统的验证中，训练样本有限时其预测精度和物理一致性优于纯数据驱动深度神经网络。
MIT 研究人员构建了一个面向晶体材料的多模态视觉语言模型，把 3D 原子结构与自然语言描述结合，描述涵盖化学组成、结构、性质、工艺考量与潜在应用，论文发表于 Nature Communications。
斯坦福 HAI 团队介绍其三年构建的医疗 AI 评测体系：MedHELM 覆盖 5 大类、22 子类、121 项临床任务，PhysicianBench 在电子病历沙盒中测试 100 项长流程临床任务，HealthAdminBench 用 4 个模拟系统测试 135 项行政任务。
Google 团队回顾近十年科研 AI 成果，从 AlphaFold、AlphaGenome 到 Co-Scientist，并称 Google 首篇 Lancet 论文已发表。该前瞻性临床可行性研究显示，对话式医疗 AI 系统 AMIE 在基层就诊前安全采集病史，监督医生无需任何安全中止，其鉴别诊断在 top 7 可能性内与最终临床诊断吻合率达 90%。
苏州大学王宇航团队联合新加坡国立大学和悉尼大学，用 DeePMD-kit 势函数在 LAMMPS 中模拟 SnO₂(110)/水界面，揭示双极膜表面羟基结构如何影响水解离。
中国科学技术大学与合肥综合性国家科学中心人工智能研究院团队用第一性原理软件 ABACUS 和 PyATB，系统计算了 GeTe/SnSe 范德华异质结的位移电流响应，成果发表于 npj Computational Materials。
华东师范大学潘丽坤、王成龙团队联合暨南大学李金亮团队等，在 Angewandte Chemie International Edition 发表研究，提出定量静电势比值描述符 ESPratio（|ESPmin|/ESPmax），并据此确定溶剂化调控区间 0.9 < ESPratio < 2.4。
入选理由研究给出可量化的溶剂描述符与筛选区间，并用实验验证候选分子，为电解液设计提供可复用的筛选流程。
北京大学、中国科学技术大学、中科院物理所等团队在开源密度泛函软件 ABACUS 中实现了基于数值原子轨道（NAO）的实时含时密度泛函理论（RT-TDDFT）统一异构计算框架，相关功能已在 ABACUS v3.9.0.26 及后续版本正式发布，并配有 LCAO 基组中文教程。
Biohub 与哥伦比亚大学等机构合作，用 ARACNe、VIPER/metaVIPER 等 AI 算法从单细胞 RNA 测序数据中识别肿瘤细胞状态的 Master Regulators，发现同一癌种的患者共享几乎相同的细胞状态集合：胰腺癌为 6 种，DMG 为 7 种。
入选理由两篇 Nature Genetics 论文显示，AI 预测的跨细胞状态联合用药在小鼠模型中把 DMG 生存期提高一倍，团队正筹建临床试验。
Biohub 与 UC Berkeley 团队将激光相位板集成到 Thermo Scientific Krios 冷冻电镜中，显著提升小蛋白成像对比度，相关成果分别发表于 Science 和 bioRxiv 预印本。