全部动态

Consensus 如何做科研：从一个问题到可共享文献库的完整流程

Consensus 在 Consensus 101 课程中以“镁是否改善睡眠质量”为例，演示从提问、检索到建库的完整流程：其 220M+ 篇论文库结合关键词与语义检索，Deep 模式在该问题上运行 31 步并生成论点-证据表、研究时间线和研究空白。

SciSpace 指南：如何一步步做系统综述（含真实 PRISMA 示例）

SciSpace 发布系统综述分步指南，以 Dr. Ullah 的真实综述为例，演示如何将 4,634 条检索记录筛选至 74 篇纳入研究。指南覆盖确认综述必要性、定义并试点研究问题、构建可复现检索策略、设定纳入排除标准、筛选研究、数据提取、证据综合与报告质检八个步骤，并强调用 PRISMA 流程图记录筛选决策。

SciSpace 发布七步流程，核查 AI 生成引用与论断

SciSpace 基于 Joanne Donoghue 教授的讲座整理出一套七步工作流，用于核查 AI 生成的研究内容：先识别虚构论文、错误 DOI、作者名单错误、结论被曲解、编造统计量、虚假指南建议和虚假共识等错误类型，再依次定义证据标准、核验文献记录、获取全文、追溯论断出处、比较研究间差异并审计参考文献。

Google 三个月实地实验：AI 辅助提升专利撰写产出，但未加速初级律师技能养成

Google 研究团队在 National Bureau of Economic Research 发布一项三个月实地实验，将当时未发布的 Google Labs AI 专利撰写助手（现属 Gemini Notebook）随机开放给 11 家知识产权律所的 133 名律师，其中三分之二获得早期访问权。

入选理由三个月随机对照实验显示，AI 辅助提升专利撰写产出，但初级律师在无 AI 的纠错任务上未见技能提升，为科研训练设计提供了实证参照。

面向太阳能电池板分割的 AutoResearch 实验洞察

一项研究将 AutoResearch 协议用于光伏电池板分割：编码语言模型在一小时 GPU 预算内修改训练程序，仅当验证 IoU 提升才保留改动，架构固定为 DeepLabV3–ResNet-50。

研究者提出以科研制度组织上万自主科研智能体的 Society of Researchers

arXiv 预印本提出 Society of Researchers，把大量持久化科研智能体置于明确制度下：由项目负责人通过招标、独立评审和资助竞争有限算力，人类市长只分配资源、不指派任务。作者称已在 Research City 部署约一万名研究者，围绕改进语言模型预训练展开，其中一个实验室报告以约 30% 更少算力达到同等质量，但测试该结果的实验室尚未达成一致；论文称这些论文尚未经过外部评审。

SciSpace 推出 Citation Verifier，核查引用文献是否支持论文论断

SciSpace 发布 Citation Verifier，一款 AI 引用核查工具，除验证被引论文是否存在、出版信息以及是否被撤稿或更正外，还会检查引用来源是否真正支持论文中的论断。

入选理由SciSpace 把引用核查从“文献是否存在”推进到“文献是否支持该论断”，投稿前自查引用错配的研究者可以据此判断是否纳入写作流程。

Kernaut 用编码智能体自动发现核函数，在未见任务上迁移

预印本论文提出 Kernel Autoresearch（Kernaut），让编码智能体以程序形式编写核函数组件，由可信解释器按保正半定的构造契约组装，只有通过 Tier 2 校验的程序才进入质量-多样性存档。

Google DeepMind 与 Chan Zuckerberg 虚拟生物学计划合作构建多模态生物数据集

Google DeepMind 与 Chan Zuckerberg 的 Virtual Biology Initiative 建立合作，为改进预测性生物学模型构建所需的多模态数据集。

Ithaka S+R 调查：高校教师把不使用 AI 本身视为一种技能

Ithaka S+R 在一项全国性调查中请高校教师列出课堂上重视并教授的 AI 相关技能，部分教师提出最重要的 AI 相关技能是完全不使用生成式 AI。作者把教师的抵触归为五类：AI 干扰学习、削弱认知发展、与学科价值冲突、AI 本身不道德、AI 输出不可信，并指出这些理由并不单一，其中提到学科信息的怀疑回答全部来自艺术与人文学科教师。

入选理由调查把教师对 AI 的抵触拆成五类具体理由，高校在制定 AI 教学政策时可据此分辨教师究竟反对什么。

微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体强化学习框架

微软研究院开源 Agent Lightning v1.0，提出 Harnessed Agentic RL 训练范式，让部署时使用的智能体框架直接参与强化学习，无需在训练框架内重新实现智能体。

入选理由微软研究院开源 Agent Lightning v1.0，让部署用的智能体框架直接参与强化学习训练，研究者可据此评估自建训练流水线的成本。

AI 逼近唯一游戏猜想证明，研究者抢先冲刺

2026 年 9 月 11 日，MIT 教授 Dor Minzer 收到朋友短信，询问他是否即将解决理论计算机科学中最著名的开放问题之一。Minzer 是“唯一游戏”猜想领域的顶尖专家，起初以为这是玩笑，随后更多消息接连传来。

Sakana AI 推出新闻通讯「Sakana AI Insider」，覆盖研究、产业落地与产品

Sakana AI 推出新闻通讯「Sakana AI Insider」，以每月约 2 次的频率介绍其基础模型与智能体开发、RSI Lab 和 Frontier Intelligence Group 的最新研究、金融与防务等领域的产业落地，以及「Sakana Marlin」「Sakana Fugu」等产品。

大语言模型在软件工程系统综述筛选中的表现是否已停滞？

一项基于软件工程系统综述筛选基准 SESR-Eval 的研究发现，八个新大语言模型的筛选表现仅比七个旧模型略有提升，跨二次研究的平均 MCC 从 0.347 升至 0.365，且二次研究之间的差异仍大于模型之间的差异。模型在筛选决策上总体一致（平均 Gwet's AC1 = 0.830），细化纳入与排除标准仅小幅提升召回率。研究认为大语言模型尚不能替代人工筛选，更昂贵新模型带来的优势十分有限。

Biohub 联合 DOE、NIH 及 Google DeepMind 等投入 18 亿美元扩展 Virtual Biology Initiative

Biohub 与美国能源部（DOE）、美国国立卫生研究院（NIH）及新资助伙伴宣布扩展 Virtual Biology Initiative，合计投入 18 亿美元的资金、数据、算力和新测量技术，用于生成可训练预测性生物 AI 模型的开放数据资源。

入选理由这项近 20 亿美元的跨机构投入把开放生物数据的生成与标准化列为重点，研究者可据此判断未来可用的细胞数据资源从何而来。

K-Dense Web 采用 Grok Bots 智能体

现在我打算采用 Grok Bots。不绑定特定模型的智能体才是正确方向。我们设计 K-Dense Web 时就是这么做的：针对给定任务选用最佳 API，而不被次等技术所束缚。

TRACE 项目启动，推动学术出版与 AI 系统互操作

TRACE（Trusted Retrieval & Attribution for Content Ecosystems）在法兰克福书展前的 STM 会议上宣布启动。

alphaXiv OpenResearch v0.2.17 发布

alphaXiv OpenResearch 发布 v0.2.17，新增韩语和日语本地化，并改进 Windows 上 Git 与 OpenCode 的安装可靠性。该版本修复了 SSH 复用连接被拒后无法重连的问题，并让桌面应用在 Windows 双击 orx.exe 时启动。更新还调整了 CLI 用户引导、侧边栏项目折叠和更新等待机制。

Ai2 的 Bolmo 字节级语言模型研究发表于 Nature，并开源新检查点

Ai2 宣布其 Bolmo 字节级语言模型研究已发表于 Nature，并在 Hugging Face 发布新检查点，把 byteifying 方法从 Olmo 扩展到其他模型家族。

入选理由Ai2 公开了把子词模型转换为字节级模型的 byteifying 流程与检查点，研究者可据此评估字节级路线能否替代固定词表方案。

DrugTargetWorld：可生成模拟生物样本库的 AI 科学家训练与评测框架

作者提出 DrugTargetWorld，一个程序化生成模拟生物样本库的框架，每个世界包含 54,000 名参与者的基因型、蛋白质、健康记录、结局和合成 MRI，因果结构对评测者已知但对智能体隐藏。

OpenAI 分享数学领域 AI 进展

还记得大语言模型连两个数都加不明白的时候吗？https://openai.com/index/sharing-ai-progress-in-mathematics/

SciSpace 发布期刊俱乐部讨论准备完整指南

SciSpace 发布《准备一场好的期刊俱乐部讨论：完整指南》，提出从研究问题、研究意义、方法学批判、统计功效到图表解读的准备流程。指南建议用 PICO 框架拆解临床或干预研究，并提醒关注样本量、随机化与盲法、主要与次要结局，以及置信区间和效应量，而非只看 P 值。

我们如何在实验室组会上放弃演示文稿、拥抱沉默

一篇发表于 Nature 的文章讲述了作者所在实验室改革组会形式的做法：取消演示文稿，并在组会中引入沉默环节。原文正文未能加载，具体做法与效果细节无法核实。

SciSpace 指南：如何设计研究问卷（步骤与示例）

SciSpace 发布研究问卷设计指南，将问卷设计拆为从界定研究目标到预测试最终工具的 7 个步骤。指南区分问卷与调查，并给出开放式、封闭式问题的示例，如参考文献管理工具选项。

Elsevier 与 JAMA Network 签署内容协议，JAMA 系列期刊全文接入 ClinicalKey AI

Elsevier 与 JAMA Network 签署战略内容协议，将 JAMA 系列 13 本期刊的全文内容和图表接入临床级 AI 工作空间 ClinicalKey AI，包括 JAMA、JAMA Network Open 及 11 本专科期刊。

入选理由临床 AI 工作空间的内容授权格局再添一家医学期刊，医学研究者可据此判断其证据来源与可用范围。

SciSpace 发布文献综述写作指南：附注释范例与七步流程

SciSpace 发布文献综述写作指南，用一篇虚构教学范例演示如何围绕主题比较研究、指出证据差异并引出研究空白。指南给出七步流程：界定综述问题、统一记录证据、核查可比性、按主题分组、撰写综合、确立空白、核对原文。内容整合自 3 场 SciSpace 网络研讨会，并演示将 Literature Review Agent 限定在选定的 Zotero 馆藏内提取字段。

Nature Machine Intelligence：将大语言模型推理 token 刻画为 token 之上的状态

Nature Machine Intelligence 在线发表 Levy 等人的 Perspective，提出将大语言模型的推理 token 刻画为"token 之上的状态"，用于考察这些推理 token 的作用。文章指出，大语言模型在"推理"一个问题时，实际解题方式可能与其推理文本所呈现的并不一致。

OpenAI 发布 AI×数学成果

AI×数学，太棒了。OpenAI 今天发布的东西太惊人了 🤯 要让物理科学领域的模型达到同等水准还有很多工作要做，但想想我们实现那一步时的种种可能吧。而且我们一定会实现。

Jon Stewart 追问AI公众收益

今早看了 Jon Stewart 在《每日秀》关于 AI 的片段，一直在想他那个问题：公众到底从中得到了什么？ 所以我写了这篇（当然是在 AI 的帮助下）。如果 AI 想赢得我们的信任，它应该治愈点什么。 https://www.k-dense.ai/blog/ai-should-cure-something

Google 与 Northwestern、Jacaranda Health 合作研究：AI 解读盲扫超声可识别孕龄与胎位

Google 研究人员与 Northwestern Medicine、Jacaranda Health 合作，在肯尼亚内罗毕和芝加哥各招募 1000 名孕妇开展研究，训练医护人员执行简单的盲扫超声，并用机器学习模型分析视频，识别孕龄和胎位，准确率与受过训练的超声技师相当。

入选理由研究者可了解盲扫超声配合端侧 AI 模型在资源匮乏地区替代专业超声技师的一条可行路径。