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。
40 条收录动态，更新于 19:16
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。
我很高兴与 @LaudeInstitute 合作（连同 @Sanjay_Ghemawat、John Hennessy、Dave Patterson、Ben Gomes 和 @andykonwinski），支持为开放科学登月项目提供资助！
anyone who is close to research knows how broken the incentives are. doing open science at the frontier is harder than ever, compute costs alone price most teams out. we kept wondering what might happen if we give the right resources to the right researchers at the right time? http://laude.org/updates/moonshots-one-labs
Elsevier与Research4Life发布报告《New horizons in participation》，基于对1122名研究者的调查及对100多位机构研究负责人的访谈。
Frontiers 上线免费开放的机构合作门户，任何注册机构无需签约即可实时查看本机构研究人员在其期刊的编辑、审稿、发表、浏览下载及费用数据。其与 OA Switchboard 的集成已落地，可简化出版商、机构与资助方之间的开放获取数据交换。Frontiers 称全球合作机构超过 800 家，最新协议为与 SANLiC 的全国框架协议，参与机构作者可在其全刊免费发表。
维基媒体基金会（Wikimedia Foundation）就包括《纽约时报》诉 OpenAI 和 Microsoft 在内的一组 AI 版权诉讼提交法庭意见书，对双方均不站队，并警告任何一方获得过于简化的全面胜利都可能损害开放网络。
SciSpace 发布研究指南，按“所需输出”而非语料规模对比 Crossref、OpenAlex、CORE 与 Unpaywall 四个学术元数据 API：Crossref 适合 DOI 元数据补全，OpenAlex 适合发现与引用关系，CORE 适合机构库全文工作流，Unpaywall 适合 DOI 到开放获取的解析。
Hugging Face 与卡内基梅隆大学、普渡大学、佐治亚理工学院、亚利桑那州立大学、乔治·华盛顿大学等机构共同发起 Project ProtoStar，推动公共资助科研的数据集、模型和代码以 AI 可用、机器可处理的格式在开放基础设施上发布。
美国国立卫生研究院（NIH）选择 KnowledgeWorks Global Ltd.（KGL）为 Journal of Replication and Reproducibility（JRR）开发投稿与出版平台。
Wiley 宣布其 Advanced 期刊组合新增 Advanced City、Advanced Food、Advanced Microbiome 和 Advanced Psychology 四本开放获取期刊，均已开始接收投稿。此次扩容使该组合今年新刊数量达到 10 本、总数增至 36 本，超过其 2 月作出的年内新增 8 本的承诺。
Nathan Lambert 发布其首场开放模型讲座，梳理构建开放模型生态的各个环节及决定其走向的开放问题与争论，涵盖蒸馏的作用、风险管理、未来模型获取方式的变化。讲座分章节讨论开放模型定义、为何值得关注、当前最强开放模型的竞争力、开放模型如何构建、实际使用情况与未来展望，他计划每约 6 个月回顾一次这些问题，给出该领域的状态报告。
Nathan Lambert 在哈佛 CS 2881R「AI 安全」的客座讲座视频发布，他判断开源模型落后闭源前沿约 3 到 5 个月且差距在缩小，中国开源模型在性能、下载量、论文引用上全面领先，美国开源模型又比中国落后 3 到 4 个月。他认为蒸馏被高估、不是关键问题，美国真正持久的优势是算力，前五家实验室总算力平均是中国前五家的 16 倍。
Nathan Lambert 哈佛讲座：开源模型现状全景，中国开源全面领先，但美国有 10 倍以上的算力优势；蒸馏不是关键问题 @natolambert 在哈佛大学 CS 2881R「AI 安全」的客座讲座，他认为：开源模型落后闭源前沿大约 3 到 5 个月，差距还在缩小。性能、下载量、论文引用这三方面，中国开源模型全面领先，美国开源模型又比中国落后 3 到 4 个月。核心判断有三点：把"蒸馏"当成核心问题是高估了；美国真正持久的优势是算力；禁止开源只会损害经济活动，挡不住坏人。 https://natolambert.com/slides/2026/harvard/lecture.html 什么是开源模型，许可证是关键 · 开源是一个光谱：从只开放权重（Llama、Qwen、DeepSeek、Kimi、GLM），到连数据和代码都开放的完全开源（OLMo、Pythia、SmolLM、Marin），Nemotron 处在中间。 · 宽松许可证：MIT（DeepSeek、GLM-5.2、MiMo），Apache 2.0（Qwen、gpt-oss、Gemma 4）。 · 自定义许可证带附加条件，并不算开源：营收门槛（Kimi K3、Muse Spark Open、MiniMax M3 的年营收门槛是 2000 万美元，GLM-5.3 超过 100 亿美元要做安全审查）、品牌露出要求、使用限制。这些条款大多还没有在法庭上检验过。 为什么要开源 支持开源的力量来自几个方向：资本（把互补品变成廉价商品）、科研和教育、防止权力集中、自由。按 Bill Gurley 的说法，开源也是"第二名的自然选择"，用来抢市场和分发渠道、获得软实力。中国实验室集体走向开源，是为了在西方 AI 圈获得存在感；DeepSeek R1 之后，小米、美团、蚂蚁等也纷纷入场。企业用开源模型来"拥有自己的模型"，例如 Harvey 在 Kimi K3 上做法律方向的后训练，全部通过率接近翻倍，成本基本不变。 竞争力 · 2026 年，1T 参数以下就算"小模型"了。新近的强模型：小米 MiMo-V2.6-Pro（总参数 1T、激活 42B，Artificial Analysis 指数 46）、DeepSeek V4.1 Flash（763B，45）、MiniMax M3.1 Flash（42，第三方测评低于官方宣传）。 · 关于"刷榜"：中国模型确实更看重公开榜单，长尾能力也不如美国模型全面。但他花了半年时间，也没找到能证明头部开源模型（Kimi、GLM、DeepSeek）有明显缺陷的分析。 · 开源模型依然锚定着性价比的最优区间，不过闭源厂商现在也开始在这个区间竞争。 蒸馏之争（全篇最有观点的部分） · 训练分三个阶段：预训练、中期训练和 SFT、强化学习。蒸馏主要发生在 SFT 阶段，而现在强化学习消耗的算力已经超过预训练。 · 现在说的"蒸馏"其实是对抗性蒸馏：想办法从 API 里套取被隐藏的推理过程。中国不少实验室有专门的团队做这件事。 · 他认为不值得把它当成焦点：公开研究并没有显示用推理过程做 SFT 能带来巨大提升；没有好的政策手段可以只针对中国而不伤害全球开源生态；中国实验室本身就很强，"快速跟进"本来就比开拓前沿省算力。小米公开直播了 MiMo-V2.6 的强化学习训练（约 150 万次 rollout，花费 347 万美元），就是不只依赖蒸馏的证据。 · 真正持久的优势是算力：美国前五家实验室的总算力平均是中国前五家的 16 倍；到 2026 年底，Anthropic 和 OpenAI 各有 5 GW 以上的算力，而中国头部实验室最多只有 100 到 200 MW。 使用情况 开源模型的推理量快速增长，本地模型下载在加速；Hugging Face 日均独立用户约 60 万。性能相近时，美国模型的采用量是中国模型的 2 到 5 倍，说明市场对美国开源模型有需求。他扫描了 37 万篇 arXiv 论文，Qwen 被提到的次数已经接近 OpenAI 的 GPT。总结是：性能、下载、科研三方面中国都领先，推理和后训练市场也主要是中国模型。 风险与治理 · AI 驱动的网络攻击已经真实发生，而目前公开的案例主要是闭源模型（Claude Code、Codex）被滥用。 · 想禁止开源模型，在现实中做不到（美国不可能建起有效的"防火墙"），而且十多家实验室都能在前沿一年左右的水平上训练模型，结果只会抑制经济活动。不少关于开源风险的说法被夸大了（比如虚假信息），但深度伪造这类风险确实被加速了。 · 建议：发布方按每个模型评估它带来的"额外风险"，并由国家统一风险标准，而不是让各家公司自己判断。开源模型对网络防御非常关键，因为公司的受信任访问项目没法覆盖整个经济。
美国马里兰大学药学院团队在 Nature Communications 发表 KaML-ESM，用 ESM 蛋白质语言模型构建序列神经网络，在 GAINES 增强的 PKAD-3r 数据集上训练，预测 Asp/Glu/His/Cys/Tyr/Lys 残基电离常数。
Global Campus 联合创始人 Paul Tuinenburg 呼吁出版商在论文录用和发表环节提示作者认领并维护自己的 OpenAlex 作者档案。
施普林格·自然首席出版官哈什·杰加迪桑在专访中表示，学术出版的未来在于开放获取、AI 与全球合作。该机构今年9月更新 AI 编辑政策，以“绿灯”“黄灯”“红灯”区分允许、有条件允许和禁止的 AI 使用，并明确 AI 不能列为作者。2025年其投稿量达310万篇，发表原创研究文章53.9万篇，其中53%以开放获取模式出版。
Google DeepMind 与 Google Research 联合世界资源研究所（WRI）和国际应用系统分析研究所（IIASA）发布 Forest Typology（ForTy）2020，把全球每块 10×10 米土地按 FAO 定义划为原始林、自然再生林、人工种植林、商品林、木本作物与农林复合、其他土地六类，并给出 2017–2025 年逐年变化序列。
Frontiers 在都柏林举行的 2026 AI in Science Summit（AIS26）上宣布 AI in Science Enablers 承诺。
终于整理出了一份关于开放模型现状的完整演示文稿。 涵盖它们是什么、许可证、竞争力如何、人们正在使用它们的迹象、蒸馏的影响，以及我们如何平衡开放的风险与收益！ 很快会录制这些内容的视频讲座，希望每年能重做几次。
一项工作提出将 Software Heritage 的代码存档与 Wikidata 知识图谱对接，并借助 COAR Notify 打通二者。Software Heritage 截至 2025 年 12 月已存档超 270 亿个唯一源文件、逾 4.21 亿个项目，约 2 PB 数据，其 SWHID 已纳入 ISO/IEC 18670:2025 标准。
LSE Impact Blog 刊文主张，高校学者作为知识生产者与教育者，负有伦理责任捍卫 Wikipedia 等开放知识社区。文章称生成式 AI 产品分流读者、未经授权抓取内容，而 Wikipedia 由志愿者社区运营、依赖读者补充新血。
Frontiers 在都柏林举行的 2026 AI in Science Summit（AIS26）上发布 AI in Science Enablers 承诺。
入选理由Frontiers 把数据整理、数据论文发表和 AI 数据管理工具打包成面向 Horizon Europe 研究者的免费支持，可观察出版商如何介入研究数据准备环节。
IOP Publishing 出版新刊 AI Horizons，这是一本专注人工智能的钻石开放获取期刊，与宁波东方理工大学、浙江省科协和世界青年科学家联合会合作创办，由东方理工大学校长陈十一任主编。期刊覆盖 AI for science and engineering、时空智能、具身智能与量子智能，读者可免费阅读，作者无需支付文章处理费，费用由期刊赞助方承担。
Digital Science 旗下 Symplectic Elements 以 OA Monitor 等工具减少开放获取带来的手工行政负担，支持一键存缴与后台自动采集数据。
数学研究者 Shaoming Guo 等在 Terence Tao 博客宣布正筹备一本新期刊，拟以“理解优先于首发”和“论文证明须经 Lean 形式化验证”为核心准则，以应对大语言模型参与数学证明后难以察觉的错误风险。该刊尚在规划阶段，除开放获取等传统价值外另设上述两条标准，作者同时公开征集对这一方案及不同期刊愿景的反馈。
中国科学院自动化研究所主办的英文新刊Data Research and Applications（DRA）将于2026年底正式出版创刊号，主编曾大军称其定位是让数据与模型以独立、可引用、可评价的学术体裁进入学术秩序。
Perplexity API 的 Search 按成功请求计费，Standard Search 每 1,000 次 5 美元、Fast Search 每 1,000 次 1 美元，均不额外收 token 费。
欧洲 Open Science Cloud（EOSC）Federation 首批 13 个 EOSC Nodes 已投入运行，这是该 Federation 在现有 EOSC EU Node 之外的首次扩展。
OpenAlex 为每个来源新增 listed_in 字段，记录该期刊出现在哪些外部期刊名单上，用户可在网站和 API 中按名单过滤文献与来源。
入选理由OpenAlex 把 61 份可信期刊名单做成可查询字段，研究者与评估方可以按名单而非单一索引划定检索和评价边界。
一项研究提出可拟合的通用分类方案，目标函数为 J = D + 0.005 N，其中 D 为固定相似图上类树的归一化 Dasgupta 成本，N 为按层级计费的期望导航成本（比特）。
OpenAlex 宣布其收录的活跃 Open Journal Systems（OJS）期刊比例从 80% 升至 95%，过去一个月新增 10,870 种期刊，并改为直接从 21,864 种期刊的 OAI-PMH 源抓取文章。
UKRI 发布新的研究数据政策，适用于研究理事会资助、UKRI 全机构计划以及 Innovate UK 和 Research England 的部分活动，并将从 2027 年 4 月 1 日及之后发布的新资助机会开始执行。
入选理由UKRI 把分散的数据政策合并为统一框架，并明确与 AI 生成数据治理衔接，受资助团队可据此提前调整数据管理计划。
F1000 与 Wellcome Sanger Institute 为 Wellcome Open Research 开发了一套半自动化出版流程，目标是把 Tree of Life 项目的基因组笔记出版量从每月约 30 篇提升至 200 篇。
入选理由F1000 与 Wellcome Sanger Institute 的基因组笔记工作流把计算机辅助审查与发表后同行评审结合，为大规模数据论文的出版与索引提供了可参照的流程。