Aaron Tay：不要让大语言模型头脑风暴关键词，应让它直接检索
图书馆员 Aaron Tay 在 Substack 发文提出，面向研究者和图书馆员的常见建议——只用大语言模型头脑风暴检索词、再由人自己去数据库执行——应当反过来：先用 Undermind、Elicit、Consensus、Scite Assistant 或前沿聊天机器人的 deep research 模式等 AI 检索工具真正检索并阅读论文，之后再从已找到的文献中收集关键词。
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。
251 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。
8月11日
星期二，1 条7月30日
星期四，1 条我搭了一套精巧的图书馆员推荐系统，结果被一个 CSV 打败了
作者为 Primo 发现系统自建 MCP 服务器，让 LLM 通过智能体式检索推荐学科馆员，试图取代依赖关键词匹配的 LibGuides、Summon Best Bets 等传统方案。
7月22日
星期三，1 条当 Claude Fable 5 与 GPT-5.6 Sol 的论证比你还难分辨对错
一位学术搜索领域从业者发现，在 Claude Fable 5 与 GPT-5.6 Sol 就智能体搜索、检索与排序瓶颈等专业问题互相批评时，自己会被最新读到的一方说服，反复改变立场。
7月18日
星期六，1 条AI 搜索正在重新打包图书馆所知的发现系统
Aaron Tay 在 Musings about Librarianship 撰文指出，AI 搜索正把原本分散在不同专业层与职业中的搜索活动重新打包，使各传统对"搜索何为成功"的分歧更难被忽视。
7月9日
星期四，1 条Biohub 联合创始人 Priscilla Chan 回顾年内进展：蛋白质模型、细胞成像与患者驱动科研
Biohub 联合创始人 Priscilla Chan 撰文回顾今年以来的工作，包括 5 月发布基于下一代 ESM 的蛋白质生物学世界模型，可预测蛋白质折叠、相互作用与功能并设计新蛋白，已有科学家用它设计抗体候选物并在针对癌症和免疫相关靶点的早期实验室测试中显示初步结果，相关论文发表于 Nature，模型完全开放。
入选理由Biohub 负责人梳理了蛋白质世界模型、激光相位板与虚拟细胞计划，研究者可据此了解这些开放工具和共享数据的参与方式。
7月6日
星期一，1 条如何设计癌症疫苗并大幅改进：专访 UNC-Chapel Hill 个性化免疫治疗实验室 Alex Rubinsteyn 与 Ben Vincent
UNC-Chapel Hill 个性化免疫治疗研究实验室（PIRL）的 Alex Rubinsteyn 与 Ben Vincent 在一期播客中讨论了癌症疫苗的设计思路，两人曾参与 MHCflurry 2.0、OpenVax、LENS 等研究，Alex 还曾主持过一项新抗原癌症疫苗试验。
6月10日
星期三，1 条实测 Claude 5 Fable：Mythos 级模型如何把研究者变成委托方
Ethan Mollick 提前试用了首个面向公众发布的 Mythos 级模型 Claude 5 Fable，在除网络安全外的各类任务上做了测试，认为它明显超过他此前用过的所有公开模型，能连续执行多页规格说明长达十几个小时。
6月5日
星期五，1 条Ethan Mollick 新书 Co-Existence：当 AI 有时比你更强，人机如何共处
Ethan Mollick 宣布新书 Co-Existence 将于 10 月 20 日出版，主题是如何与"有时但并非总是比你更强"的 AI 协作。他提到 Anthropic 报告 AI 现已编写其 80% 的代码、每位开发者交付量提升 8 倍，另有一项研究显示 AI 让代码产出增加 17 倍。
5月27日
星期三，1 条Ethan Mollick：选择保持人类——AI 写作与 AI 辅导如何影响思考
Wharton 学者 Ethan Mollick 撰文讨论 AI 写作与学习中的"认知投降"（cognitive surrender），主张把 AI 用作辅助而非默认选项。
4月26日
星期日，1 条Lila Sciences 谈科学超级智能：科学界的"深蓝时刻"
Lila Sciences 称正在构建能自主执行科学方法的 AI 系统，可生成假设、设计实验、运行实体实验室并迭代，速度与规模超人。文章将 2026 年类比为 1997 年 Deep Blue 击败国际象棋世界冠军、2016 年 AlphaGo 走出第 37 手之后，科学领域对应的时刻。
2月10日
星期二，1 条Latent Space 推出 AI for Science 专栏：区分"科学家"与"模拟器"两类模型
Latent Space 上线 AI for Science 专栏，由 Melissa Du 提出分类框架，把 AI 科研模型分为擅长推理与文献综合的"科学家"（LLM）和直接从数据学习物理动态的"模拟器"（领域模型）。