研究显示大语言模型无法从空间坐标学习，几何神经网络在材料性质预测上更优
Nature Computational Science 在线发表的研究显示，大语言模型无论模型规模或数据规模如何，都无法从空间坐标中学习。专用几何神经网络在材料性质预测任务上持续优于语言模型。论文发表于 2026 年 10 月 12 日，DOI 为 10.1038/s43588-026-01045-2。
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。
10月12日
星期一，9 条从 ADS 到 SciX：面向 21 世纪天文学的转型
天文学文献系统 ADS 正转型为 SciX，以服务 21 世纪天文学需求。原文正文未能加载，除标题外无更多可核验细节。
私有、离线、归你所有：如何用本地 AI 系统检索文献
该页面正文未能加载，仅能从标题得知其主题为使用本地 AI 系统进行文献检索，强调私有、离线与数据归属。原文未提供工具名称、版本号、发布机构、样本量或价格等可核验信息，故无法给出更具体的摘要。
上海AI实验室推出实验设备访问与协同协议书生SCP-Lab
上海人工智能实验室推出实验设备访问与协同协议书生SCP-Lab，为科研智能体提供统一的设备能力发现、任务交互与可信反馈机制，支撑书生·端砚把科学构想转化为真实物理实验。
入选理由材料给出协议的分层架构与五级控制粒度，研究者可据此判断自家异构设备能否接入科研智能体的实验流程。
上海AI实验室推出决策模型书生·明决，4B版七项评测平均90.02分
上海人工智能实验室推出决策模型书生·明决（Decision），含0.8B、2B、4B三档参数版本，将原生视觉感知与指令遵循结合，可在读取画面的同时输出结构化决策。
获奖显微摄影图像因使用 AI 被取消资格
一幅获奖显微摄影图像因使用 AI 被取消资格。原文正文未能加载，具体赛事名称、取消机构及 AI 使用细节均未披露。
Terence Tao 博客：数学插画如何超越证明——从 IHP 研讨会到 GPT-6 Astra 发现 Chair44
数学家 Kate Stange 与 Edmund Harriss 在 Terence Tao 博客发文，讨论插画能否成为严谨的数学研究方式，相关文章已被 Notices 接收。
RIVO：为 Deep Research 智能体提供轻量自适应重路由
论文提出 RIVO，一个面向长程 Deep Research 智能体的轻量插件框架，把自适应重路由建模为状态条件下的轨迹纠偏问题。它用置信度、注意力收敛和证据注意力三个信号判断停止、验证、继续或重路由，触发后由 0.6B 插件对冻结 Host 的 logits 做稀疏低秩修正，Host 参数不更新。
RIVO：为 Deep Research 智能体提供轻量自适应改道插件
arXiv 预印本提出 RIVO，一个不重训底层 Deep Research 模型的轻量插件框架，用置信度、注意力收敛和证据注意力三类信号判断当前研究轨迹应停止、验证、继续还是改道，触发改道时对冻结 Host 的 logit 做稀疏低秩修正。
10月11日
星期日，4 条Sakana AI 提出 MASS：多智能体自监督实现递归自我改进
Sakana AI 发布论文《Recursive Self-Improvement through Multi-Agent Self-Supervision》，提出 MASS 方法：一个共享模型通过虚拟子智能体团队解题，搜索更优的多智能体工作流，再用自身判断选出最佳方案，并把最佳团队的执行经验蒸馏回共享模型。
入选理由论文提出多智能体自监督方法，让同一模型在自改进循环中互相评估，研究者可据此判断自改进路线的可行边界。
LLM 辅助编码中的安全：一篇系统综述
澳大利亚天主教大学团队对 LLM 辅助编码的安全风险做了系统综述，指出模型常因训练数据偏差生成不安全代码和错误补丁，且模型自身易受直接攻击。现有评测方法存在数据污染、缺乏稳健安全指标的问题，人类监督仍不可替代。研究认为更安全的自动化集成需要安全感知的模型架构、更强的安全专用基准和更有效的人机协作框架。
Latent Space 纽约订阅用户线下聚会
Latent Space 面向其轻度付费订阅用户举办纽约线下聚会，正文仅向订阅者开放。可见内容未披露聚会时间、地点、规模或议程等具体信息。
当 AI 学术检索自行生成查询文本：Aaron Tay 分析语义检索中的假设性文档扩展
Aaron Tay 在测试一款 AI 学术检索系统时，通过 Chrome DevTools 记录浏览器网络流量，发现系统在语义检索环节并非直接嵌入用户原始查询，而是把原始查询与一段 LLM 生成的、类似相关文档的文本拼接后再生成嵌入。
10月10日
星期六，8 条Retraction Watch 周末阅读：OpenAI 撤下预印本、Taylor & Francis 将脱离 Informa、arXiv 设预印本提交上限
OpenAI 在发布 722 篇针对未解数学问题的稿件 1 天后撤下其中 3 篇预印本。Taylor & Francis 的母公司 Informa 考虑出售该出版商，arXiv 新的预印本提交上限引发分歧。此外，Hijacked Journal Checker 收录条目已超过 450 条，Retraction Watch 数据库撤稿记录超过 67,000 条。
Triage-PiEvo：为原则演化型科学智能体引入证据准入机制
西湖大学、浙江大学与快手等机构的研究者提出 Triage-PiEvo，把异常观测的用途拆成两条路径：异常可立即引导搜索，但只有经过独立验证的证据才能改写持久原则，被推翻的原则会被撤回。
CompLit 基准：文献检索评测需覆盖隐含、累积与无解需求
首尔大学、LG AI Research 等机构的研究者提出文献检索基准 CompLit，覆盖 arXiv 全部八个领域，包含 870 条单轮查询和 220 段多轮对话，并设置 Standard、Implicit、Cumulative、Unmet 四种评测场景。
Ai2 回顾 COLM2026 参会亮点
#COLM2026 圆满落幕！感谢所有来到我们展位、参加我们的晚间聚会、与我们畅谈开放研究的朋友们。 回顾本周的论文、访谈与亮点。👇 https://allenai.org/blog/colm-2026-recap
第460期双清论坛召开：人工智能驱动下的“植物星球计划”植物科学研究
第460期双清论坛“植物星球计划：人工智能驱动下的植物科学研究”于2026年9月28—29日召开，由自然科学基金委国际科研资助部、生命科学部、计划与政策局联合主办，中国农业科学院农业基因组研究所承办。
SciCurateBench：从异构科学文献中整理实验数据的基准与 LangPoli 智能体
研究团队提出 SciCurateBench，一个由 200 篇专家标注论文组成的基准，要求系统从原始文献、补充材料和托管数据中联合验证多项实验条件，例如是否为新生成的 scRNA-seq 数据且带免疫治疗响应结果。
IOP 因 tortured phrases 撤稿近 100 篇会议论文
IOP Publishing 从三本会议论文集撤稿近 100 篇论文，原因是文章含有 tortured phrases，即用别扭或无意义的同义改写替换原有表述以规避查重。
深度学习势如何揭示 AgPd 纳米合金中的原子尺度位错形核
西北工业大学陈福义团队在 Computational Materials Science 发表研究，用基于 DP-GEN 主动学习构建的深度学习势对 Pd309@Ag1106 核壳纳米团簇在 500 K 下进行 200 ps 分子动力学模拟，观察到八面体到二十面体的结构转变。
10月9日
星期五，9 条生命如何展开？景观隐喻在生物学中走向成熟
20世纪中叶，生物学看似已被达尔文进化论与遗传学基本解答，但基因如何决定性状、突变如何产生变异等问题仍待解释。Quanta Magazine 一文讨论"景观隐喻"如何在生物学中走向成熟，用以描述生命展开的过程。
Google 本周发布 SynthID、Nano Banana 2.1 等多项更新
Google 本周宣布 SynthID.com 面向全球开放英文版，任何人可用该检测门户核验图像、视频或音频是否由 Google 及行业伙伴的 AI 生成。同期发布 Nano Banana 2.1，在视觉设计、主体一致性和精准局部编辑上有提升；还推出首个原生多模态开放模型 EmbeddingGemma 2，将文本、图像、视频、音频和代码统一到单一空间用于端侧嵌入。
alphaXiv OpenResearch v0.2.18 发布
alphaXiv OpenResearch 发布 v0.2.18，新增桌面应用安装方式，无需单独安装或终端配置，默认自动更新。该版本修复了 Claude Code 卡片显示原始 billingType 值、聊天线程外选中文字几乎不可见等问题，并改进远程运行与 OpenCode V2 执行失败提示。
中科院团队提出 JANUS：用协同演化世界模型提升长周期自主科研效率
中科院计算所团队提出 JANUS 框架，用协同演化的世界模型把自主科研从生成-执行-反馈循环改为预测-验证-演化循环，在执行前对候选方案打分并剪枝。
Ai2 如何为 GPU 集群设计高影响力调度系统
Ai2 用包含 GPU 时间预算、分层公平份额分配和时间切片契约的系统替换了原有基于优先级的调度器，把各研究项目该分多少 GPU 时间的争论从逐案运维事务转为透明的行政预算流程。Ai2 管理着数千块 NVIDIA H100、B200 和 B300 GPU，集群规模从 88 到 1024 块不等，服务约 150 名内部研究者，提交的工作负载对 GPU 的需求常年是可用量的 2-3 倍。
Ai2 在 COLM 2026：从 Olmo Hybrid 到科研智能体 Asta 的开放研究
Ai2 在 COLM 2026 展示了 Olmo Hybrid 研究，该架构将注意力与线性循环层结合，在 MMLU 上以少 49% 训练 token 达到 Olmo 3 7B 的同等准确率，并已用于正在预训练的新一代 Olmo 混合专家模型。
腾讯混元联合复旦、清华发布 ExplorationBench，评测 AI 自主探索与规则发现能力
腾讯混元、复旦大学与清华大学的研究者发布 ExplorationBench，用于衡量 AI 系统自主探索规则的能力，并构建了规则可执行、答案可精确校验的 Alien Worlds 环境。该基准包含 AlienCode（31 处隐藏规则改动、70 个任务）和 AlienLogic（24 条修补后的推理规则、70 个定理），每个答案由解释器或证明检查器评分，不使用 LLM 评判。在 10 个前沿 AI 系统上的测试显示，获得反馈比单纯思考更有效，AlienCode 中最佳系统经四轮探测从不超过 15.7% 提升到 89.0%，而同样轮次无反馈仅 0.5–11.0%；同一系统在同一预算下得分可在 5.7% 到 79.0% 之间波动。论文见 arXiv:2609.30199，代码即将开放。
引用Tencent Hy@TencentHunyuanNew Research: We are releasing ExplorationBench, a benchmark for measuring how AI systems explore. Scientific discovery begins where known problems end: a system has to frame hypotheses, design experiments, and learn from the results. Evaluating this is hard. Genuinely new answers cannot be checked quickly, and in familiar domains a model can simply recall what it has seen. Addressing this challenge, researchers from Tencent Hy, Fudan University, and Tsinghua University built verifiable Alien Worlds. Their rules are executable, so every answer is checked exactly, and they conflict with familiar knowledge, so recall alone cannot solve the tasks. 🔹 Two sandboxes: AlienCode (31 hidden rule changes, 70 tasks) and AlienLogic (24 patched inference rules, 70 theorems) 🔹 A flawed manual, four rounds of self-designed probes, and closed-book tests after every round 🔹 Every answer graded by an interpreter or a proof checker, with no LLM judge What we found across 10 frontier AI systems: 1️⃣ Getting feedback is more effective than thinking alone. No AlienCode run starts above 15.7%; after four rounds the best reaches 89.0%, while the same turns without feedback stay at 0.5–11.0%. 2️⃣ Designing the experiments matters. Replaying a system's own best probes gives it exactly the same evidence, yet in AlienCode 9 of 10 systems do worse than when they chose the probes themselves. 3️⃣ Knowing a rule is not using it. Even when every required rule is stated correctly, tasks are solved only 73.4% of the time. 4️⃣ One score hides a lot. The same system under the same budget ended anywhere from 5.7% to 79.0%, and rankings barely transfer between the two worlds. CL-bench asked whether models can learn from context. ExplorationBench asks whether they can discover the rules themselves. 📄 Paper: https://arxiv.org/abs/2609.30199 🌐 Website & leaderboard: https://explorationbench.com 📝 Blog: https://explorationbench.com/blog/ 💻 Code (coming soon): https://github.com/Tencent-Hunyuan/ExplorationBench
入选理由腾讯混元联合复旦、清华发布可验证基准，用规则可执行的外星世界考察 AI 能否自主发现规则，而非依赖记忆。
MIT Technology Review 圆桌对话：AI 设计病毒的创造者 Samuel King
MIT Technology Review 将于 10 月 16 日举办线上圆桌对话，资深 AI 记者 James O'Donnell 对话斯坦福大学博士生 Samuel King，讨论其用生成式 AI 模型设计微型病毒基因蓝图的工作。King 因此入选 MIT Technology Review 的 Innovators Under 35，该成果尚不构成 AI 生成生命，但可能是下一步方向。
Nature Computational Science：人工智能时代的流行病学建模
人工智能正在让流行病模型能够跨疫情暴发进行学习，但下一个挑战是确保这些模型学习和迁移的不只是统计模式，而是流行病学机制。相关观点发表于 Nature Computational Science，DOI 为 10.1038/s43588-026-01070-1。