Recursive 发布 Flint 模型，由 Eureka Machine 自动完成研发流程
AI 初创公司 Recursive 发布首个语言模型 Flint，研发过程几乎每一步都有其自动研究系统 Eureka Machine 参与，由它提出想法、实现、测试并规划后续实验。
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。
2,349 条收录动态，更新于 05:51
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22日
星期四，1 条10月21日
星期三，1 条CulturalRiddles：覆盖 62 种文化的谜语基准发布
CulturalRiddles 是一个由人类通过社区参与式创作、覆盖 62 种文化（45 个国家、51 种语言）的原创文化谜语基准，用于评估大语言模型对多元文化的理解与应用。研究用自动评测和大规模人工评估测试了 28 种 LLM 配置，前沿模型在部分文化群体中准确率最高仅 22%。全部材料已公开，并开放贡献流程以扩展语言与文化覆盖范围。
10月22日
星期四，8 条Google DeepMind 联合 WRI、IIASA 发布 10 米分辨率全球森林类型图 ForTy 2020
Google DeepMind 与 Google Research 联合世界资源研究所（WRI）和国际应用系统分析研究所（IIASA）发布 Forest Typology（ForTy）2020，把全球每块 10×10 米土地按 FAO 定义划为原始林、自然再生林、人工种植林、商品林、木本作物与农林复合、其他土地六类，并给出 2017–2025 年逐年变化序列。
https://x.com/i/article/2113263915723317249
https://x.com/i/article/2113263915723317249
Google DeepMind 发布森林类型地图 ForTy
并非所有森林都一样，现在我们可以把差异绘制出来。🌳 认识一下森林类型图（ForTy）：一张 10 米分辨率的天然林、人工林和农用林地图，帮助识别毁林并保护最重要的森林。🧵
清华与 Z.ai 提出 RIDAR：自动检测自主科研智能体的科研诚信违规并实时干预
清华大学与 Z.ai 团队提出 RIDAR 框架，用于检测自主科研智能体在选题、文献综述、实验和论文写作中的科研诚信违规（RIV），并给出覆盖全生命周期的 14 类违规分类 RIVT。
TokenGate 可学习剪枝让长上下文 Prefill 提速约 11 倍
斯坦福与伯克利研究者提出可插拔模块 TokenGate，插在现有 LLM 浅层，学习只把重要的 top-K token 传给上层，实现长上下文“跳读”。论文自报无精度损失时首 token 时间快 1.4–11.3 倍、峰值显存降 1.5–3.4 倍，相对最强免训练剪枝最高约 6.4 倍更快、2 倍更省显存。训练成本接近 LoRA，无需从零预训练。
引用Liana@lianapatel_Introducing ✨Token-Gated Language Models✨ for up to 11x faster prefill by learning to skim context, conditionally forwarding only tokens that matter. Akin to the shift from dense models to MoEs, the next frontier of efficient LLMs is conditional computation over a new scaling axis: context tokens🧵👇
Hugging Face 开源 DNA 模型 Carbon-X，基于 Qwen3-14B 训练
Hugging Face 发布开源 DNA 模型 Carbon-X，以 Qwen3-14B 为基础，在 300B tokens 的 DNA、英文与交错数据上做中训练，并采用英文 BPE 加 DNA 6-mer 的混合分词器。
Ai2 发布 OlmoEarth v1.3 卫星嵌入模型及全球预计算嵌入
Ai2 发布 OlmoEarth v1.3 卫星嵌入模型，读取一年 Sentinel-1 雷达与 Sentinel-2、Landsat 多光谱时序，为全球每个 10 米像元生成 128 维向量，前 64 维可单独使用。
入选理由Ai2 公开了全球卫星嵌入、权重与预计算数据，地球观测研究者无需 GPU 即可用少量标注做地表分类与变化分析。
Cohere 发布 CulturalRiddles 文化基准
大语言模型在数学和科学上越来越强。但令人意外的是，许多模型连一个简单的谜语都解不开。 @Cohere_Labs 的 CulturalRiddles 是一个新基准，将文化作为交织的、切身经历来测量。秉持开放科学精神，它由一支意想不到的团队打造。
10月21日
星期三，1 条物理学家 Christopher Stubbs 加入 Anthropic 长期利益信托
哈佛大学实验物理学家、前理学院院长 Christopher Stubbs 加入 Anthropic 的 Long-Term Benefit Trust，成为该信托首位物理学家。
10月22日
星期四，3 条Nathan Lambert 谈互联网压力测试
我还不知道这是否已经构成互联网规模的灾难，但这绝对是我们迄今经历过的最大压力测试。
Grok bot 近期使用体验
Grok bot 最近帮了你什么忙？
Citrini Research 与 Anthropic 用 Claude 尝试研发蝎子抗毒血清未果
投资研究公司 Citrini Research 与 Anthropic 合作，用一款未发布的 Claude 模型设计能结合蝎子毒素的蛋白质，最终未造出药物。Anthropic 称 Claude 在 64 小时内生成近 32 万个候选，筛出 180 个设计，另加 31 个共 211 个；外部实验室测试中 17 个蛋白能结合目标，但每个最多只结合一种毒素，且未验证能否中和毒素。
10月21日
星期三，3 条OpenAI 提出 g-mean² 之外的互补可监控性指标
OpenAI 在 g-mean² 之外提出两项互补指标：配对匹配可监控性在共享任务实例上比较模型，减少不同模型有效样本子集差异带来的混淆；后控制风险指标模拟监控器拒绝输出后的部署场景，估算系统仍产生不良输出的概率。原文指出 g-mean² 无法反映监控器在部署中作为控制手段的实际风险，并给出干预评估的悲观下界推导。
SpatialBrain：从经验中生长的空间智能框架
SpatialBrain 框架在保持视觉语言主干固定的前提下，通过 3DFusionMemory、Spatial Skill Library 和 Spatial Cognition 积累"如何推理"的经验，而非迁移场景坐标或参考答案。在五个空间推理基准上，它在其中四个上优于同一主干的直接作答，第五个持平。
LASAGNA 框架评估 450 组 RAG 配置：单项技术增益叠加后大幅缩水
研究团队提出开源框架 LASAGNA，用于受控评估 RAG 流程，在八个基准和 5K 至 200K 文档规模的语料上测试了 450 组配置。三项预注册假设的结果显示，三项检索技术单独预测可带来 +47% 提升，组合使用后实际只有 +17%；检索质量与答案忠实度偏好的设计不同，优化其一可能损害另一项；最优组合还会随语料规模变化。
10月22日
星期四，5 条Perplexity 与 NVIDIA 研究人员提出 JOLT：一种师生联合强化学习方法
Perplexity 与 NVIDIA 研究人员提出 JOLT，一种师生联合强化学习方法。现有材料仅包含网页 Cookie 声明，未提供方法细节、实验数据或发布渠道信息。
2026 世界顶尖科学家论坛 10 月 30 日上海开幕，33 位顶尖奖项得主确认参会
2026 世界顶尖科学家论坛将于 10 月 30 日至 11 月 1 日在上海临港中心举办，33 位诺贝尔奖、图灵奖、沃尔夫奖、菲尔兹奖等得主确认参会，其中诺贝尔奖得主 7 位、图灵奖得主 3 位。论坛以“范式变革：科学突破的下一个十年”为主题，由中国科协主办，设 1 场主论坛、6 场平行论坛及 4 场主题活动，开幕式上将颁发 2026 世界顶尖科学家奖。
Nature Computational Science 研究：动态网络可促进亲社会性
正文内容未能加载，无法获取研究的具体方法、模型与数据。仅据原始标题可知，该研究发表于 Nature Computational Science，主题为动态网络对亲社会性的促进作用。
嘉宾文章——AI 的喧嚣与信号：学术出版业当下哪些变化值得行动
Silverchair CEO Will Schweitzer 在 Platform Strategies 会议的演讲指出，学术出版业应区分哪些 AI 信号值得立即行动。
OpenAI 智能体 32 分钟完成小鼠全脑 CRISPR 图谱分析
OpenAI 与 PerturbAI、Scripps Research 合作，用数千个基于 GPT-Rosalind 的 AI 智能体分析数百万个小鼠细胞的全脑 CRISPR 图谱，每个智能体负责一个基因扰动并检索文献解释细胞反应，整个分析耗时 32 分钟，团队估算人工完成需数月至一年。
10月21日
星期三，2 条Sarvam AI 介绍面向企业智能体的知识织构构建方法
Sarvam AI 发文介绍其为企业智能体构建的知识织构，把组织文档一次性解析为可导航的知识树，并叠加可按数据库方式查询的领域本体，让智能体在回答时能引用原文段落、表格行和来源页。
El Agente Cuántico 用多智能体自动完成量子模拟计算
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。
10月22日
星期四，1 条微软研究者证明 31 年未解的 KLS 猜想，AI 智能体参与探索证明路径
微软研究院机器学习与优化组的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits（KLS）猜想，证明该关系在高维下由固定常数界定、不随维度增长。
入选理由微软研究者用人类主导的智能体搜索证明 KLS 猜想，展示了 AI 在数学证明中承担探索、研究者负责判断的分工。
10月21日
星期三，5 条面向 AI 智能体的以记忆为中心的持续学习（MCCL）
论文提出 Memory-Centric Continual Learning（MCCL），主张记忆应以能否改进未来行动而非检索命中来评判。MCCL 包含三轴记忆分类法与内外双环生命周期、衡量干扰下保持、变化适应与任务迁移的评估协议，以及刻画智能体性能随经验、存储容量与算力预算变化的记忆扩展框架。
TraceForge：用模型自身风格生成推理轨迹以蒸馏训练数据
TraceForge 提出一种替代方案：不依赖教师模型返回的隐藏推理，而是以上下文和教师答案生成符合学生模型家族风格的推理轨迹，训练分监督与对抗两阶段。独立评审给出的真实性得分为生成轨迹平均 0.68、真实轨迹 0.66、评审从四个候选中选出的轨迹 0.82。
多模态具身智能体：从计算机使用到机器人使用的统一能力视角框架 PAPAV
研究者提出 PAPAV 能力中心框架，将多模态具身智能体（MMEA）拆解为感知状态、预判动作效果、规划可行路径、通过接口或本体执行、验证结果五项功能，并据此比较 MMEA 与多模态智能体及机器人系统。在 64 个基准中，显式评估集中在“执行”一项，仅 5 个评估“预判”、3 个评估“验证”，后两者多被任务成功率掩盖。
预印本调查：221 篇论文中 230 例本不该出现的蛋白条带
一项由单人完成的预印本调查针对 20 种存在明确基因缺失或突变的细胞系检索 Western blot 实验，在 221 篇论文中找到 230 例本不应出现的蛋白条带。
IOP Publishing 与 China Science Publishing & Media 达成战略合作，借 SciEngine 提升全球科研内容在中国的发现与获取
IOP Publishing（IOPP）与中国科技出版传媒股份有限公司（CSPM，原科学出版社）宣布战略合作，将 IOPP 期刊组合的元数据接入 CSPM 旗下数字出版与知识平台 SciEngine。合作旨在让中国研究者更易发现 IOPP 在物理学及相关交叉领域的同行评审内容，并加强中国科研群体与国际学术内容的连接。