全部动态

AI 智能体起草转化影响摘要的真实场景评估

研究团队构建了一个人在回路中的 AI 智能体，为每位学者汇集带出处的证据并起草一句话 TSBM 影响摘要，供工作人员复核。在一个 CTSA 中心的 10 名 KL2/K12 职业发展学者上评估，两名工作人员独立编码全部 507 条发现，81.7% 被接受或修改；每人每名学者中位耗时 14 分钟，而人工汇编估计需 15 小时。

普林斯顿团队分析约6000万篇论文：大团队更易改变研究方向的结论源于测量偏差

普林斯顿大学的研究者分析 OpenAlex 中约6000万篇论文后指出，2019年 Nature 论文所称小团队更易改变研究方向的结论，很大程度上是标准改变研究方向指数（D​I）对参考文献数量的机械依赖造成的测量偏差。

Samyama.ai 用双层知识图谱重建学科开放问题目录，状态判定审计 41 条仅 9 条正确

Samyama.ai 作者在 arXiv 预印本中提出把学科开放问题做成数据：手工维护的问题层原样保留，其下叠加从文献索引重建的证据层，两层用带来源的 SAME_AS 与 EVIDENCE_FOR 边连接，存于同一图数据库并用 openCypher 查询。

研究重析 AI 科研智能体论文：无依据数字多为错配而非编造

一项针对 Into the Unknown 基准的重分析发现，AI 科研智能体论文中无依据的数值大多并非凭空编造，而是取自错误的实验、指标或运行。作者重析该基准全部 540 份评审判断，并人工标注 18 份投稿中的 256 条数值主张，在 53 条无依据主张中 47 条属于错配、仅 6 条在可用文件中找不到来源，加权后错配占比约 81%。

墨尔本大学 Kostakos 提出 AI 时代同行评审新方案：1500 字简报加机器可验证附录

墨尔本大学 Vassilis Kostakos 在 arXiv 预印本提出同行评审改革方案：投稿改为 1500 字简报加不限长度的机器可验证附录。人类审稿人只评审简报，判断研究是否值得做、方法是否可信、潜在收益是否值得投入；附录由模型核验实验记录与统计结果。作者认为 AI 写论文、AI 审稿的循环可以存续，但需以人类评审作为奖励函数。

论文激增背后：计算机科学作者增长与差距扩大

一项预印本研究利用 arXiv、DBLP 和会议投稿记录，分析 2010–2025 年计算机科学论文增长，把论文总量拆成作者人数与人均论文数两项，发现论文量增长几乎全部来自发文作者人数增加。

3Dtrees.earth 上线：近距 LiDAR 树木与森林分析社区研究基础设施

德国弗赖堡大学等团队在 arXiv 预印本中介绍已运行的社区研究基础设施 3Dtrees.earth，把近距 LiDAR 点云数据、分析工具与计算资源整合到同一平台，并将原始观测与其元数据、处理输出关联。

谷歌提出睡眠框架 Sleep Framework，让大模型在持续学习中巩固记忆

谷歌研究团队于 10 月 27 日发布博文，介绍名为睡眠框架（Sleep Framework）的持续学习研究成果，论文题为《Language Models Need Sleep: Learning to Self-Modify and Consolidate Memories》。

上海AI实验室联合清华推出蛋白质改造评测基准PFArena，评测显示大模型尚难可靠完成改造

上海AI实验室联合清华大学智能产业研究院（AIR）及清华大学药学院推出专业蛋白质改造评测基准PFArena，基于202项真实蛋白质实验、293个任务实例和60万余条候选记录，评测6种蛋白质语言模型、6种通用大语言模型及基于Biomni和AMixKit构建的5种智能体组合。

入选理由上海AI实验室联合清华发布PFArena，用202项真实实验衡量模型能否在有限实验预算下选对突变，为蛋白质改造的AI评测提供了新口径。

Biohub 用机器学习平台 Remo-ID 在 12 分钟内从血流细胞图像识别脓毒症

Biohub 团队开发了基于无标记成像细胞仪 Remoscope 的机器学习模型 Remo-ID，12 分钟内拍摄约 200 万个血细胞并判断脓毒症，在 47 份样本中正确分类 43 份。该结果已发布在 medRxiv，脓毒症组仅 13 人，研究者尚不清楚哪些细胞特征驱动预测，还需更大样本和 FDA 批准才能成为诊断工具。模型训练使用超过 12 亿个细胞，仅提供样本级标签，不预先指定细胞特征。

DeFT-RAG：将多跳问题分解为带可复用答案的自包含子问题

DeFT-RAG 提出一种 RAG 框架，每次从原问题和已答 QA 对生成一个自包含子问题，并用规则更新 QA 表、微调轻量决策模型做是/否判断，把剩余 LLM 工作移出模型。

从碎片化到融合：全模态嵌入研究综述与路线图

一篇立场论文提出用覆盖、可比性、组合性三层递进能力框架梳理全模态嵌入研究，并给出三条统一路径：变换扩大覆盖、对齐实现可比、联合嵌入指向组合性。作者称这是首个跨模态、贯通式的全模态嵌入研究综述，指出各模态社区长期各自为战，但对比学习、Transformer 架构与粒度转变正推动其收敛到共同原则。

DecisionRank 用在线策略蒸馏训练决策模型重排器，1.7B 参数超过 27B 生成式教师

DecisionRank 提出 item-space on-policy distillation（OPD），把决策模型输出的文档分数排成序列交给生成式教师，由教师给出条件反馈直接监督这些分数，并结合离线排序监督训练。

MoLRSI：可递归自我改进的分子发现 AI 智能体

研究团队提出分子发现 AI 智能体 MoLRSI，把工作流与模型架构的系统优化和跨任务持久记忆结合，让智能体根据工作流表现、改进结果和执行反馈递归改进搜索策略。

alphaXiv 推出 autoresearch：改 arXiv 链接即可自动复现论文

alphaXiv 推出面向 arXiv 论文的 autoresearch 功能，把任意论文 URL 中的 arxiv 改成 autoarxiv 即可触发。OpenResearch 会为用户创建项目、在用户选定的算力上搭建环境并运行最小复现，智能体在完全本地的闭环中跟踪日志、可视化运行过程并产出结果文件。

入选理由把 arXiv 链接改成 autoarxiv 就能触发本地复现流程，研究者可据此判断它是否适合自己验证论文。

Terence Tao 等将 AlphaEvolve 辅助的 Sidon 集研究上传 arXiv：Sidon 集直径与分布

Terence Tao、Daniel Carter 与 Kevin O'Bryant 将论文《On the diameter and distribution of Sidon sets》上传至 arXiv，该工作源于去年博客上使用 AlphaEvolve 改进 Sidon 集规模上界的讨论。

研究：检索到的文献如何影响大语言模型的科研构思

一项 arXiv 预印本研究在统一生成协议下比较五种文献检索策略与无文献基线，覆盖 15 个机器学习主题、十个开放权重模型和 45,000 条研究想法。结果显示，相对无文献基线，五种检索策略使同一组论文生成的想法多样性下降 5.6%–17.9%，但把不同论文集的想法合并后，多数策略的多样性提升 10.2%–18.1%；对想法质量和新颖性的平均影响较小且随主题变化。

迈向 AGI 的扩展是否取决于 System-1 让 System-2 执行什么？

研究提出“条件交互”循环：轻量、具语义感知的 System-1 先预测候选交互的效用，System-2 只执行经自适应阈值放行的部分，结果再回写更新 System-1。

研究重查 AI 科研智能体论文：不支持的数字约八成是错配而非编造

一项针对 AI 科研智能体基准 Into the Unknown 的重分析发现，在人工标注的 256 条数字主张中，53 条缺乏支持的主张里有 47 条是数值存在于智能体文件中但对应了错误的实验、指标或运行，仅 6 条在现有产物中找不到来源，按总体加权错配占比约 81%。

Cartesia 发布 H-Net 扩展结果：免分词架构在语言、DNA 与图像上的计算效率

Cartesia 公布分层网络 H-Net 的扩展结果，用模型内部动态分块替代 BPE 分词，在语言建模上以更少计算达到同等损失。

Meta 提出循环 MoE 扩展定律，1.3B 媲美 2.9B

Meta 研究者提出 Loop Scaling Laws，可在给定算力和内存预算下预测循环 Transformer 的最优循环次数与专家数量。在万亿 token 规模上，1.3B 循环 MoE 以相近训练算力达到 2.9B 非循环 MoE 的推理性能，参数效率约提升 2 倍。

The Software Citation Station：快速生成规范软件引用的公开网站与工具

研究人员推出公开网站与工具 The Software Citation Station，用于快速查找正确的软件引用声明并加入论文，以规范和简化学术作品中的软件引用流程。AAS 期刊现已在软件政策中向作者推荐该工具；此前 AAS 开始建议作者在投稿中附软件引用后，IRAF 的引用量增长约 150%。

MIT 研究：26000 篇论文全文语义相似度在 2021 年后升至 3 倍

MIT 数学系团队用语义语言模型筛查 CORE 数据库中 8 个领域 2015–2025 年的 26000 余篇全文论文，发现与近五年文献语义相似的文本占比在 2021 年前基本稳定，之后急剧上升，到 2025 年达到 2015–2020 年均值的 3.11 倍。

入选理由研究用固定规模对照样本衡量全文语义重复度，为编辑和审稿人判断论文文本原创性提供了一个可复用的测量思路。

Jaxnasium：用 PyTrees 统一任意智能体与跨环境套件的强化学习库

Jaxnasium 是构建在 Equinox 上的轻量 JAX 强化学习库，把观测与动作空间表示为 PyTrees，使近单文件算法实现无需改动即可运行于离散、连续、图像、复合及多智能体环境。它提供 Gymnasium 风格最小接口并封装 11 个套件、超过 300 个环境，小型 PPO 实现用默认超参数即可运行。该库已开源，还提供多随机种子评估、超参数扫描与项目脚手架工具。

LitUbik 开源系统综述工具发布，AI 建议由具名审稿人逐条接受或拒绝

LitUbik 是一款开源、可自托管的系统综述工具，覆盖从注册方案到 PRISMA 2020 流程图的各环节，包括检索式校准、自动检索、去重、盲法多审稿人筛选、全文获取、滚雪球检索、质量评价、数据提取与报告，可部署在单台服务器或跨离线实例运行。

LitUbik 开源系统综述工具发布，AI 建议需审稿人逐条确认并留痕

LitUbik 是一款开源、可自托管的系统综述工具，覆盖从注册方案到 PRISMA 2020 流程图的各阶段，包括检索式校准、自动检索、去重、多审稿人盲法筛选、全文获取、滚雪球检索、质量评价、数据提取与报告，可运行在单台服务器或彼此断开的实例上。

伊利诺伊大学团队提出 ClaimNov：把新颖性检查从整篇提案细化到单条贡献声明

伊利诺伊大学厄巴纳-香槟分校团队在 arXiv 预印本中提出 ClaimNov，一个可嵌入 AI 科学家流水线的声明级新颖性模块，把研究提案拆成 Problem、Methodology、Resource、Result 四类贡献声明，逐条检索先验工作并判断覆盖程度。

RubricAtlas：从专家报告中挖掘类型级评分标准以评估深度研究智能体

StepFun 等机构的研究者提出 RubricAtlas，从 64 家机构发布的 3079 份中文金融研究报告中归纳出 99 个研究类型、921 个分析问题、2784 个必需结果和 8160 个二元检查点，用于评估深度研究智能体生成报告的“分析完整性”，而非仅看事实是否出现。

面向股票研究的基准 Investor's Last Exam 发布，GPT-6 Astra 与 Claude Opus 5.5 领先但预测环节仅 52.5 分

由资深买方投资者和基金经理主导的股票研究基准 Investor's Last Exam（ILE）发布，包含覆盖 343 万份文档版本、9 类来源并带校验时间戳的版本化金融数据库，以及按专业分析师交付物组织的任务分类和专家评分框架。

A-RSI：面向零数据多模态自我改进的自适应任务刷新

A-RSI 通过监测训练日志中的奖励变化与准确率，在学习信号下降时刷新任务池，无需参考验证集或测试分数。其静态程序库自动生成多模态问题并推导参考答案，训练过程不使用外部训练样本或人工标注答案。在 11 项基准测试上，使用 800 个新任务将平均性能从 57.77 提升至 61.05。