全部动态

SciKGExtract：面向材料文献的 schema 引导智能体抽取框架

TIB 莱布尼茨科学与技术信息中心的研究者提出 SciKGExtract，一个由 schema 引导的智能体框架，把大语言模型抽取、化学归一化、基于智能体的评估与修正串成流程，再接入知识图谱。

Import AI 475：群体扩展、Google DeepMind 为生物数据加水印与 AI 科学经济

Import AI 475 讨论了 AI 群体（swarm）扩展的收益与代价：Toby Ord 分析认为 4 智能体群体完成同等任务所需 token 总量约为单智能体的两倍，但因并行运行理论上可将耗时减半，同时群体规模扩大存在类似经济学的“踩脚”递减效应。

Taylor & Francis 用 Google Gemini Notebook 为 Developing Little Minds 系列打造多媒体资源

Taylor & Francis 为 Dr Jacqueline Harding 的 Developing Little Minds 系列丛书推出基于 Google Gemini Notebook 的免费多媒体资源，含视频与音频概览、闪卡、信息图、术语表、测验及互动聊天功能。

K-Dense 发布 Citation Telephone，把被引论断逐跳追溯到原始出处

K-Dense 发布免费工具 Citation Telephone，用户给出一句被引论断及其 DOI、PubMed ID 或 arXiv ID，工具会沿引用链逐篇读取全文，标出每一跳是匹配、部分匹配、更进一步还是被改写，并判断该论文是原始出处还是转引他人。

入选理由免费工具把引文核查从逐篇翻原文变成可追溯的链条，审稿人和写作者能据此定位引用漂移发生在哪一跳。

Consensus 推出 Skills：面向文献综述与引用核查的预设研究工作流

Consensus 推出 Skills，一组面向常见科研任务的预设工作流，用户从查询框选择任务并输入问题、起始论文或稿件段落，系统在 220M+ 同行评审论文语料中检索阅读后返回结论及支撑论文与原文段落。

入选理由Consensus 把文献综述、引文追溯和引用核查做成可复用工作流，研究者可据此判断哪些写作环节能交给工具。

AI for Science 社区秋季活动：生物创始人沙龙、Claude 社区生命科学 Hack 与旧金山峰会

AI for Science 社区公布秋季三场活动：10 月 14 日由 Ecotone.ai 的 Dr. eMalick Njie 主持“AI for Bio Founders”沙龙，讨论 AI 为何尚未治愈癌症；10 月 24-25 日与 Claude Community、BioKEA 合作在 Studio 45 举办面向生命科学的 Physical AI 硬件 Hack。

MMPostTrainBench：面向多模态后训练的自主科研基准

中国科学技术大学与阿里巴巴等机构提出 MMPostTrainBench，在图像、音频、视频、音视频联合理解及图像相关软件修复共八项任务上评估自主科研代理的多模态后训练能力。

MechHypoBench：首个评测 AI 科学家从观测数据生成机制假设的基准

研究提出 MechHypoBench，用于评测 AI 智能体和 AI 科学家能否从实证数据生成机制假设。该基准结合来自 14 个科学领域的论文机制与含 1798 万条记录的真实数据集，保留经验数据的观测复杂性并给出已知的底层机制，智能体分析观测后提出开放式假设，评测框架通过被隐藏条件下的推论来评估这些假设。

MechHypoBench：评估 AI 科学家从观测数据生成机制假设的基准

作者提出 MechHypoBench，用于评估 AI 智能体和 AI 科学家能否从实证数据生成机制假设，覆盖 14 个科学领域、包含 1798 万条记录的真实数据集，并配有可对照的底层机制。

Long-MDR：面向多模态深度研究智能体的 128k 上下文长程强化学习训练配方

arXiv 预印本提出 Long-MDR，把多模态深度研究智能体的在线强化学习训练扩展到 128k 上下文和 75 轮以上工具交互，作者称这是首个在该上下文长度和 75 轮工具交互训练跨度下进行的在线多模态深度研究强化学习研究。

Long-MDR：面向多模态深度研究智能体的长上下文强化学习

Long-MDR 将多模态深度研究智能体的在线强化学习训练扩展到 128k 上下文和 75 轮以上工具交互，作者称这是首个在该上下文长度和工具轮数下训练的在线多模态深度研究 RL 研究。

AutoSciBench：自动生成并迭代加难的科学智能体评测基准

Genentech 与 KAIST 团队提出 AutoSciBench，用高层 concept 与低层 recipe 两级规划自动生成科学智能体评测任务，并依据求解器轨迹与评审反馈迭代修订，把任务推向原始数据复核、中间结果解读与多步证据整合。

卡内基梅隆大学研究：AI 科学家基准高分多来自先验知识而非数据

卡内基梅隆大学团队提出用“证据接地”检验 AI 科学家基准：为每道题构造保留、撤除和反转证据的数据版本，并用预注册统计量验证每次改动。

EvoCast：面向迭代预测架构演化的自主研究智能体系统

arXiv 预印本提出 EvoCast，一个面向时间序列预测架构演化的全自主研究智能体系统，通过固定任务协议下的多轮研究循环，先建立并诊断任务专属基线，再生成有证据支撑的架构改进方向。

OpenAlex 为 4.19 亿条记录重做关键词，并接入默认检索

OpenAlex 为 4.19 亿条作品换上取自 188 万词表的新关键词，官方用 OpenAI 的 GPT-6 Astra 对 400 篇随机作品评测，称准确率为 91%，旧关键词为 44%。

入选理由OpenAlex 为 4.19 亿条记录重做关键词，并把它并入默认检索，研究者可据此判断跨语言、无摘要文献的检索覆盖变化。

多智能体假设生成中的成对等价判断审计：自我批判效应与多样性测量

约翰斯·霍普金斯大学与 Merck 团队审计了多智能体假设生成中依赖成对等价判断的两类评估问题，该工作已被 NeurIPS 2026 Agentic AI for Biological Discovery Workshop 接收。

Meta 等机构提出 IdeaScientist：把科研构思拆成三个智能体并分别强化学习

Meta Reality Labs 与 FAIR 等机构的研究者提出 IdeaScientist，把科研构思拆成找研究空白、跨领域借鉴机制、撰写完整提案三个子智能体，用异步 GRPO 和分角色评分标准分别训练，并构建含 277 万条（问题定义、挑战、研究空白、直觉、提案）元组的 Svalbard Idea Vault 语料用于检索、训练和评估。

编辑推荐理由编辑推荐：直接服务科研构思与选题，作者已公开可运行框架代码和数据入口，研究者可自行部署验证。当前仍为预印本研究，效果主张来自作者评测。

alphaXiv OpenResearch v0.2.15 发布

alphaXiv OpenResearch 发布 v0.2.15，新增模型选择器中的 Agentic/Copilot 自主性控制，并加入针对进行中工作的 side chats（关闭或退出应用即删除）。该版本还让受速率限制的文献请求带明确等待提示重试，并修复自动更新后 orx up 空闲重启等问题。桌面应用可自动更新，远程服务器与计算集群可通过终端安装 ORX。

Google 9 月 AI 更新汇总：Gemini 4 Argon、Gemini 3.8 Flash 与 WeatherNext 3

Google 回顾 9 月 AI 更新，发布最新前沿模型 Gemini 4 Argon，具备高级推理与 100 万 token 输出上限，正通过 Fairwind Program 向受信任网络安全防御方逐步开放。

FinNextAssist：面向专业金融深度研究的助手框架

南华理工大学、新加坡国立大学等机构提出 FinNextAssist，一个面向专业金融分析的端到端 Deep Research 框架，将研究流程拆分为 Task Planner、Evidence Compiler、Reasoning Engine 和 Report Assembler 四个阶段，并引入 TabAgent 与 HeteroAgent 两个轻量级子智能体。

Ai2 开源 AstaBrief 8B 报告生成模型并公开训练数据

Ai2 开源 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的模型，已在 Asta 的 Generate a report 功能中作为 Fast mode 上线，与 Claude 驱动的 Thinking mode 并列。

入选理由Ai2 公开了报告生成模型的权重、训练数据与本地部署工作流，研究者可据此评估自建文献综述流程的可行性。

UCLA 团队发布 Ansatz：用持续图记忆的数学研究智能体解出多个开放问题

UCLA 团队提出数学研究智能体 Ansatz，其核心是持续图记忆（Continual Graph Memory），用依赖图组织事实、计划与反例等中间结果，并支持跨问题复用经验。

入选理由数学研究智能体 Ansatz 用图记忆组织证明搜索，在十个基准问题上全部通过，并独立给出四个开放问题的完整解。

Google Project Suncatcher 原型卫星入轨，将测试 TPU 在太空环境下的表现

Google 与 Planet 合作研制的 Project Suncatcher 原型卫星搭乘 SpaceX Transporter-18 拼车任务入轨，团队已确认建立联系且卫星运行正常。未来数周将收集 TPU 在太空飞行物理应力以及辐射、极端温度下表现的在轨数据，相关同行评审论文已发表在 Joule。该项目是探索太空能否承载可扩展机器学习基础设施的长期研究计划的第一步。

实测 Jev 能否以极低成本替代 LLM 做系统综述筛选

Aaron Tay 实测 TypeSafe 的零样本决策模型 Jev 用于系统综述标题摘要筛选，在 8 个 CLEF-TAR 2019 DTA 综述共 26832 条记录上，单问题设置取得 WSS@95 = 0.661，成本约 1.46 美元，优于多数已发表的 LLM 流水线，仅低于 2026 年三 LLM 集成方法的 0.680（加嵌入重排为 0.708）。

Meta 等提出 MIRA 与 MIRA-AC，把长周期自主科研拆成显式选题决策

Meta AI、特拉维夫大学和哥伦比亚大学的研究者提出 MIRA，一种分层架构，把长周期科研拆成外循环元推理决策与内循环执行：外循环从持久研究记录中整理证据，产出工作指令或终止决策，内循环用 Codex 执行单次调查。

PubTech Radar 第 45 期：Made by Humans、Xplore AI Research Suite、LeapSpace 写作教练等发布

Press Gazette 与 Flip-Pay 推出 Made by Humans，可在发布前检测文本、图像、视频和音频是否由 AI 生成或被操纵，底层使用 Pangram 和 identifAI。

从 OpenClaw 到 OpenAI dots：AI 智能体为何不再需要人类管理

Ethan Mollick 在 Substack 中修正了自己此前的判断：管理 AI 智能体并不需要人类精心设计组织结构，AI 自己就能学会分工协作。他以 OpenAI 的 dots、Meta 的 Muse 等 Clawlikes 类个人智能体为例，说明用户无需提供大量上下文或计划，智能体可自行从消息中学习并主动发现问题。

Ai2 发布 Olmo-core 3，面向万亿参数 MoE 的开源训练框架

Ai2 发布 Olmo-core 3，这是其大语言模型开发框架的一次重大升级，重新设计了开放的混合专家（MoE）训练系统，目标是把 MoE 训练扩展到万亿参数规模并保持计算效率。

入选理由Ai2 开放了面向万亿参数 MoE 的训练框架，学术研究者和小型实验室可据此评估自建大模型训练的门槛。

YouRA：面向可溯源自主科研智能体的持久状态架构

韩国电子通信研究院（ETRI）提出 YouRA（Your Research Agent），一种面向自主科研的持久状态架构，通过 Verification State Architecture（VSA）、Independent Controller 和 Stateful Reflection 三个组件保存研究状态、执行证据与失败历史。

牛津等团队提出 RAC：让 AI 科学家在运行时协调分工

牛津大学、KAUST、悉尼大学与剑桥大学的研究者提出 Runtime Agent Coordination（RAC），在 Agent Laboratory、EvoScientist 和 ARK 三个 AI 科学家系统执行过程中动态选择下一个智能体，并加入工作契约与基于产物的验证。