AutoMark：让自主科研代理发现更优的 LLM 水印方案
arXiv 预印本提出 AutoMark，用自动验证与评估框架让编码代理自主搜索 LLM 水印方案，在 GPT-6 Astra、Opus 5、Gemini-3.8 Flash 上共生成 52 个方案，其中 ConcordMark 与 RotationFirst 在留出测试集上优于 AAR、SynthID、TextSeal 等基线。
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。
2,299 条收录动态，更新于 17:44
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。
9月29日
星期二，11 条alphaXiv OpenResearch 发布 openresearch-cli 0.2.13
alphaXiv OpenResearch 发布 openresearch-cli 0.2.13，提供 Apple Silicon macOS、Intel macOS、x64 Windows 及 ARM64/x64 MUSL Linux 预编译二进制包。用户可通过 shell 或 PowerShell 脚本安装，也可直接下载对应平台压缩包并核对校验和。
Synthetic Universes 基准：AI 科学家预测通过不等于还原机制
arXiv 预印本提出 Synthetic Universes 基准，为每个经典物理世界配一个由相近非经典机制控制的孪生世界，用留出延续与迁移执行检验预测，用独立检查器检验是否还原生成机制。
Anthropic 用 Anthropic Interviewer 发起新研究，公开征集人们对 AI 的真实体验
Anthropic 启动一项基于 Anthropic Interviewer 的新研究，公开征集人们与 AI 相处的正负体验、希望 AI 改变什么以及对 AI 公司的期待，参与者可自行决定是否将完整访谈公开。
第二届“万方数据杯”智能体大赛截稿在即，训练营最后一课今日直播
第二届“万方数据杯”智能体大赛投稿将于2026年10月7日23:59截止，作品仅保存草稿不算完成投稿，需同步上传说明素材。智能体训练营第二课于9月29日13:30直播，由万方数据开放平台技术专家讲解评分细则与参赛指引，支持回放，完成两期课程可获电子结业证书。
DeepRewind：预测并修复深度研究智能体的过早定论
不列颠哥伦比亚大学作者提出 DeepRewind，一个叠加在 Open Deep Research 之上的控制层，把智能体的认知状态表示为含来源、证据、论断、假设、承诺、计划与草稿的类型化图，在中间结论被接受前用基于提示的世界模型预测其可逆性并决定是否放行，后续证据推翻承诺时只回滚受影响子图。
Microsoft Research Asia – Singapore 成立一年：推进前沿 AI 研究、合作与人才培养
Microsoft Research Asia – Singapore 作为微软在东南亚的首个研究实验室，成立一年来围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生科研实践、生态与人才培养四大方向推进工作。
FinAutoRubric：专家引导的金融研究智能体评分细则自动生成框架
LinqAlpha 与 UNIST 等机构提出 FinAutoRubric，让专家只写一次可复用的评测指引，由智能体和代码按查询与信息截止日生成、复核并校验评分细则，失败时转人工。
FinAutoRubric：专家引导的金融研究智能体自动评分标准生成
FinAutoRubric 用专家指定的可复用评估指引驱动智能体与代码自动生成、审查并验证针对具体查询的评分标准，失败案例会升级给人工处理。在三个专家编写的金融基准上，其评分标准与专家打分的一致程度不逊于所评估的最强生成器，且覆盖更多标准项，内部分析师在盲评中更偏好该标准。团队同时发布 100 条查询的 FinAutoRubric Benchmark，覆盖 78 项任务和八类资产。
AI Night-Scientist：用强化学习训练模型在科研构思中偏离常规推理
伊利诺伊大学厄巴纳-香槟分校与 Microsoft Research 的研究者提出 AI Night-Scientist，一个基于强化学习的智能体框架，把创造力拆成动作层（怎么做）、过程层（何时探索或利用）和结果层（想法的新颖性与有用性），用 GRPO 训练模型生成长期科研提案。
MechBench：清华等团队提出区分现象规律与机制发现的科学智能体基准
清华大学等机构的研究者提出 MechBench，一个把现象规律恢复与机制发现明确分开评测的基准，每项任务由机制模型定义，智能体只能看到观测数据和科学背景，再通过机制探针考察其内部科学推论。
9月28日
星期一，10 条AfS（Agent for Science）：面向长周期科研智能体的极简节点、可复验工作流与累积记忆架构
论文描述为长周期科研工作设计的平台 AfS（Agent for Science），把科研纪律编码为机械强制执行的"铁律"，使不合规状态在系统中无法表示，而非依赖提示模型自觉。
Import AI 474：Michael Levin 提出"柏拉图心智空间"假说，智谱启动外层 RSI 循环
Michael Levin 在 MDPI 发表论文提出"柏拉图心智空间"假说，认为心智与大脑的关系如同数学模式与其引导的形态发生结果之间的关系，身体（生物、工程或混合）只是模式进入物理世界的接口。该假说尚无决定性实验支持，但 xenobots、anthrobots 及排序算法扰动实验被视为旁证。
PEAR：面向工业搜索系统的渐进式循证 AutoResearch 框架
针对工业搜索中 AutoResearch 的 keep-if-better 规则在非稳态流量下易把短期增益误判为持续提升、以及多保真度评估证据难以统一利用的问题，研究者提出 PEAR 框架，包含 Evidence-driven AutoResearch 与 Confidence-Gated Verifier Ladder 两部分。
SciARP：评估科学智能体在多轮交互中抗科学合理扰动的基准
研究者提出 SciARP 基准，将 GPQA、SciBench、OlympiadBench 和 BixBench v1.5 的 620 道科学问题改造成 3–13 轮相互依赖的任务，并定义覆盖问题理解、证据处理、推理和结论形成四个阶段的 13 类科学合理扰动，对干净版与扰动版分别实时执行以比较轨迹。
Dr.Credit：用评分标准为深度研究智能体的中间步骤分配过程奖励
中国科学院自动化所与阿里巴巴 Token Hub 等团队提出 Dr.Credit，把任务评分标准从终稿评价扩展到深度研究智能体的中间工具调用，按每次检索或网页访问相对各条评分标准已有证据的增量支持分配过程奖励，再与 GRPO 的结果优势结合训练。
Nature Machine Intelligence：人工网络在多任务学习中自发形成模块化结构并与脑网络架构相似
Wu 等人的研究显示，学习多个任务的神经网络会组织成专门化的模块，在容量受限时尤为明显。增量式多任务学习会强化这种模块化，并产生与脑网络相似的架构。该研究发表于 Nature Machine Intelligence，DOI 为 10.1038/s42256-026-01306-9。
Wiley 推出 Advanced Medicine 与 Advanced Healthy Aging 两本新期刊
Wiley 推出开放获取期刊 Advanced Medicine 和 Advanced Healthy Aging，均已开放投稿。前者采用从实验室到病床再到人群的路径，覆盖转化创新、数字健康、AI 驱动临床智能与人群健康政策；后者聚焦衰老科学与健康寿命，关注韧性生物学和生命历程科学。两刊使 Advanced Portfolio 扩展至 30 余本期刊。
付费同行评审：公司付费请研究人员为期刊审稿
有公司开始付费请研究人员为期刊审稿。Nature 报道了这一现象，但相关页面内容未能加载，具体公司名称、付费金额与运作方式尚不明确。
Nature Machine Intelligence 提出 GenFocal：用概率机器学习从气候模型评估区域气候风险
Nature Machine Intelligence 发表研究，提出名为 GenFocal 的生成式 AI 框架，用于气候降尺度，从粗分辨率气候预估生成逼真的精细尺度天气，并改进热浪、热带气旋等复合极端事件的区域风险评估。论文在线发表于 2026 年 9 月 28 日，DOI 为 10.1038/s42256-026-01308-7。
Quorum：以同行评审为货币的免收费开放获取信息技术期刊设计与仿真
一篇论文描述了免向读者和作者收费的开放获取期刊 Quorum（jquorum.org），以同行评审为"货币"：学者完成一篇稿件的首次完整评审可获 1 学分，1 学分可支付一次投稿，每篇稿件获 3 份双盲评审并由系统按专长自动匹配。
9月27日
星期日，3 条Sakana AI 与东京大学提出 SAIL：用测试时扩展提升机器人轨迹生成可靠性
Sakana AI 与东京大学合作提出 SAIL（Scaling In-Context Imitation Learning），将策略 VLM 作为机器人轨迹生成器，在少量成功演示条件下生成轨迹，并在仿真器中测试、由评估 VLM 查看视频指出进展停滞处，再借助蒙特卡洛树搜索（MCTS）探索并修正候选轨迹，只把选中的轨迹发送给实体机器人。
Inspire：面向开放科研问题的科学文献检索基准
香港中文大学与微软亚洲研究院提出 Inspire 基准，用“隐去解法”的研究问题简报评估智能体检索先行文献的能力，检索语料为截止目标论文发表前 3 个月的公开文献，目标论文及其引用谱系对智能体不可见。
K-Dense Web 实测：用 AI 智能体将 3,629 个 TP53 错义突变对照功能与 ClinVar
作者用一条提示让 K-Dense Web 整合 ClinVar、PDB 1TUP 结构、14 个脊椎动物同源序列保守性和文献，对 TP53 DNA 结合域 191 个位点×19 种替换共 3,629 个错义突变做结构与功能一致性分析，产出一份 29 页技术报告、72 条经核验的参考文献、4 张图和 9 张表，并附全部脚本与中间文件。
9月26日
星期六，6 条BioLitBench：用组合可控性检验生物医学文献综述智能体排行榜
作者提出组合可控性框架，为文献综述智能体的评测定义比较窗口与可采纳性检验，在查看分数前先拒绝不可比的比较，并只对超过采样与干扰半径的差距给出排序认证。配套的 BioLitBench 基准包含 2,042 篇生物医学文章、246,102 条论断和 832,487 条类型化关系，同主题综述作为集合值参考。
K-Dense Web 实测：用 AI 智能体分析 NHANES 隐性缺铁数据并核验引用
K-Dense 团队用 K-Dense Web 分析 NHANES 2017 至 2020 年周期 1,999 名 15 至 49 岁非孕女性数据，估计血清铁蛋白低于 30 µg/L 者占 29.6%，约 1,770 万人血红蛋白正常但铁储备偏低。
K-Dense 发布开源 LabMCP：让 AI 助手通过 MCP 连接器操作实验室仪器
K-Dense 发布免费开源的 LabMCP，基于 Model Context Protocol 提供连接器，让 AI 助手用自然语言操作天平、加热搅拌器、pH 探头等实验室仪器。
入选理由原文说明了连接器覆盖的仪器范围、安全限制和全部连接器尚未在真实硬件上验证的状态，研究者可据此判断能否接入自己的实验台。
K-Dense Web 压力测试 155 年美国退休结果：4% 规则安全吗？
K-Dense Web 用 Robert Shiller 1871 年以来的公开月度美国市场数据，对 1871–1996 年间全部 1,506 个完整 30 年退休窗口做了压力测试：60/40 组合按 4% 规则提取的失败率为 3.05%（46/1,506），但逐步加入更真实的波动率、重采样市场历史和年费后，失败率最高升至 11.3%。
Claude 在平面 N=4 超杨-米尔斯模型中完成九圈散射振幅计算
Anthropic 在 Science Blog 中称，Claude 在 Claude Science 中依据单条描述九圈问题的提示词、基本无人监督运行数天，用 Lance Dixon 等人发展的方法完成了平面 N=4 超杨-米尔斯模型的九圈计算，总花费数千美元，Dixon 独立核验了结果。此前该简化模型的纪录是 Dixon 与合著者做出的八圈，多数计算止步两三圈；这一挑战由物理学家兼科学作者 @4gravitons 上月提出，要求只用学术机构可合理获得的算力预算。Kevin Weil 转发该消息，称自己在研究生阶段算过大量费曼图，并期待 AI 在未来 12 个月给高能物理带来变化。详情见 https://www.anthropic.com/research/yes-claude-can-do-nine-loops
引用Anthropic@AnthropicAINew on the Science Blog: Yes, Claude can do Nine Loops. Theoretical physicists predict how particles behave using formulas called scattering amplitudes. These are notoriously hard to compute, so researchers work with layers of increasingly fine corrections called “loops”—each added loop makes the answer more precise but takes exponentially more computation. Most calculations stop at two or three loops. Eight loops was the previous record in a simplified model physicists use as a testing ground (planar N=4 super-Yang-Mills), set by SLAC's Lance Dixon and collaborators. Last month, physicist and science writer @4gravitons issued a challenge: could an AI push past eight loops in this model, using only the compute budget an academic could reasonably access? Given a single prompt describing the nine-loop problem, Claude ran largely unsupervised for days in Claude Science and solved it using methods developed by Dixon and his colleagues, at a total cost of a few thousand dollars. Dixon independently verified the result, and von Hippel wrote about the experience for our blog. Read more: https://www.anthropic.com/research/yes-claude-can-do-nine-loops
