Anthropic CEO 阿莫迪预测 AI 十年内攻克癌症等疾病，医学界质疑
Anthropic 首席执行官达里奥·阿莫迪近日预测，癌症、阿尔茨海默病、心脏病和精神疾病将在不到十年内成为历史，认为 AI 可大幅加速生物学研究与药物研发。Vertex Pharmaceuticals 执行董事长杰夫·莱登则斥此类预测为“彻头彻尾的胡说八道”，称 Vertex 测试约 50 家 AI 公司从 1 万种化合物中筛选候选药物，无一家能独立研发出可用药物。
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。
11月11日
星期三，5 条学术期刊投稿告别邮箱：线上投稿系统如何让论文被真正看见
多家学术期刊正停止邮箱投稿，切换为网络投稿系统，部分高校学报采用知网线上期刊协同采编系统，将收稿、审稿、作者修改全流程在线完成。系统依托实名认证账号压缩仿冒邮箱、中介截稿等学术诈骗空间，并实现全流程留痕可查。但查重只能识别文本重复，难以甄别数据造假、隐性抄袭与AI生成内容，自由来稿通道能否真正畅通仍是检验改革成效的关键。
Eric Topol 对话 Ethan Mollick：AI 现在走到哪、将走向何方
沃顿商学院教授、Generative AI Lab 负责人 Ethan Mollick 在 Eric Topol 的 Ground Truths 播客中讨论 AI 现状与走向。
AI 成为“神谕”后，数学会怎样？《Big Math》新书探讨
应用数学家 Steven Strogatz 与 Alex Townsend 合著新书《Big Math: The Hidden Codes That Run Our World》，聚焦大语言模型、AI 聊天机器人与量子计算推动的“大数学”正开始超出人类理解能力这一变化。
STABL 成立非营利研究机构，聚焦 AI 影响的下游瓶颈
非营利研究组织 STABL 成立，主张在“重视 AI 变革潜力”与“重视下游瓶颈”的 2x2 框架中占据此前思考稀疏的右上象限。该组织将开展关于 AI 进展速度与递归自我改进（RSI）的实证研究，并分析风险缓解、劳动力市场冲击与社会韧性等议题。其观点是，社会转型速度更多受人类与组织变革速度制约，而非能力进步。
11月10日
星期二，10 条OpenAI 首席人力官 KC 谈 AI 时代：初级与高级人才的界限正在消失
OpenAI 首席人力官 KC 在 Office Hours 活动中提出，应彻底弃用"初级"与"高级"的称谓，因为 AI 迭代太快，所有人对特定情境的相关经验都在迅速贬值。
alphaXiv 推荐两篇新综述：连续扩散语言模型与机制可解释性
alphaXiv 本周推荐两篇新综述：一篇由 Sophia Tang 等人撰写，聚焦连续扩散与流语言模型；另一篇由 Fazl Barez 和 Tony Wu 主导，聚焦机制可解释性。推文认为论文数量与噪声已超出 AI 有效梳理的范畴，因此人类撰写的文献综述比以往更重要，并称这两篇是了解上述领域的宝贵资源。
Platform Strategies 2026 闭幕主题演讲：Jacob Ward 谈 AI 与学术出版
科技记者 Jacob Ward 在 Platform Strategies 2026 闭幕演讲中讨论 AI 如何与人类大脑运作方式交互，以及学术社区为何可能比多数群体更有条件应对。
图书馆与出版商如何共同理解使用 AI 的研究者与学生
在 Charleston 图书馆会议上，与会讨论多集中于生成式 AI 聊天机器人，却少有对研究者与学生如何使用 AI 的实证了解。文章主张图书馆与出版商借鉴 web-scale 发现层时代的用户研究经验，通过访谈、观察、日记研究等方法共同调查用户把哪些任务交给 AI、如何核验输出、需要哪些控制选项。作者指出图书馆掌握校园层面的实践情境、出版商掌握跨机构的使用数据，两者合作才能拼出更完整的图景。
中国科学院软件研究所RISC-V基础软件团队十年攻关：从软件迁移工具到“源图”供应链平台
中国科学院软件研究所RISC-V基础软件团队用十年时间布局国内RISC-V基础软件生态，自主研发的软件迁移工具已落地openEuler等国产开源操作系统社区，将原本数月的迁移工作量缩短到新手几周即可完成。团队牵头搭建的“源图”开源软件供应链基础设施汇聚3亿多款软件、87亿条关系数据，累计挖出258个隐蔽漏洞，最长提前575天发出风险预警。
Sakana AI 在 WIPO 论坛谈 AI 发明的知识产权
Sakana AI 的伊藤在日内瓦 WIPO 总部举行的“知识产权与 AI 全球论坛”首次会议上发表主题演讲，讨论如何评价 AI 辅助发明中人类的灵感与判断，并结合 Sakana AI 的研究进行阐述。
Claude Fable 5.2 与"锯齿状 AGI"：一次跨领域能力实测
Ethan Mollick 在 Claude Fable 5.2 公开发布前试用后认为，它接近其所定义的"锯齿状 AGI"——即在多数可用电脑完成的知识任务上接近人类专家，但仍有明显短板。
Magic State Labs 创始人 Pradeep Niroula 谈 AI 时代的科研：科学家最重要的资产是智识流动性
量子计算初创公司 Magic State Labs 创始人兼 CEO Pradeep Niroula 表示，公司正构建 AI 系统以加速量子信息领域的发现，目标是让系统在极少指导下同时探索数百个科研方向。他认为随着 AI 模型承担越来越多模拟与数学证明等技术工作，科学品味和判断力变得更加关键。Niroula 曾在 IonQ、Google 和 JPMorganChase 担任研究职位。
Handshake AI 数据深潜：前沿实验室在买什么样的训练数据
Latent Space 首期 AI 数据公司深潜对话 Handshake AI 团队，其 AI 训练业务约一年内从上线做到 10 亿美元年化毛收入。节目演示了金融智能体在模拟银行中处理客户邮件与工作簿时漏掉商誉调整的失误，并介绍科学图像基准 VIALS 与金融基准 ATLAS-Finance。团队还讨论了实验室如何评估新数据集、评分标准与专家判断的差距，以及安全对齐任务中智能体的工具调用。
Handshake AI 数据深潜：前沿实验室在买什么样的训练数据
Handshake 在约一年内建成 AI 训练数据业务，年化总营收接近 10 亿美元，Garrett Lord 与团队在 Latent Space 节目中拆解前沿实验室的数据采购。
11月9日
星期一，4 条特种化学品公司Lubrizol如何用AI加速研发创新
特种化学品制造商Lubrizol正构建连接业务流程、现代数据平台与云基础设施的数字基础，让研发团队更快验证想法。其IT副总裁Girish Rao称，数据科学家可在物理实验前识别规律、检验假设并建模，但目的是给科学家更好的工具而非取代科学判断。公司以“融合团队”方式让科学家、数据科学家与IT围绕共同目标先做小规模试点，并借助数字建模评估淀粉、玉米基等替代材料及产品全生命周期权衡。
在 AI 时代重新思考神经科学研究生教育
六位神经科学家在 The Transmitter 撰文讨论 AI 时代神经科学研究生教育应保留、舍弃与新增哪些训练内容。文章指出大语言模型已能大幅加速编程、数据分析和科学写作，AI 智能体在生物数据分析、假设生成与科学发现上展现潜力，但常规使用 AI 者在移除 AI 后同类任务表现更差。作者主张以“构建—评估”循环训练学生，让 AI 充当苏格拉底式导师和个性化评估者，而非替代基础推理能力的培养。
神经科学博士学位的性质正在改变
Diane Lipscombe 撰文讨论神经科学博士教育面临的变化，包括国际学生流失、培训资助的价值以及研究生教育未来的挑战。她认为，最好的科学只能靠早期职业科学家及其创新想法的持续涌入来维系。
Stanford 的 Mihail Eric 谈 AI 原生工程教育：CS146S 课程与 Monaco 的智能体实践
Stanford 的 Mihail Eric 在 CS146S 课程中把作业改成向开源项目提交补丁，由维护者评审学生代码，因为斯坦福大二大三学生已普遍用智能体写代码。他在 Monaco 的团队评估代码评审产品后继续使用 Devin，但因后台智能体需要运行和复现故障的环境而自建工作区，其内部工具 Hal 可让工程师调查故障并开 PR。
11月8日
星期日，5 条本科数学教育该教学生什么：AI 时代如何培养数学理解力
在美国新泽西一所文理学院的两位数学教师看来，AI 已能自动完成练习、证明与计算等传统训练环节，本科数学课程必须教学生与 AI 系统协作。他们主张训练学生批判性核验 AI 输出、理解并解释以"陌生"形式呈现的结果，而非把思考过程外包给 AI。文章提到 2026 AMS Committee on Education Workshop Report 已开始调整研究生课程，但本科层面需要平行且持续的努力。
“苦涩教训”提出者 Richard Sutton：LLM 扩展的苦涩教训
图灵奖得主 Richard Sutton 近日发帖称，仅靠原始算力不足以实现智能，AI 科学需要更聪明的新方法，且“远未完成”。他此前曾批评单纯扩展大语言模型的局限，并称合成数据是“大错误”，主张智能体应具备世界模型、能从自身经验持续学习。AI 研究者 Jerry Tworek 则回应称苦涩教训仍成立，但算力投入越多算法越重要，部分算法能扩展、部分会走进死胡同。
STAT+：最新心脏病药物试验接连失败，为何应对 AI 炒作保持怀疑
美国心脏协会年会上公布的两项研究显示，基于遗传学预期的心脏病新药接连落空：Novartis 的 pelacarsen 虽降低了血液中的 lp(a)，却对心脏病发作和中风发生率无效；Novo Nordisk 靶向 IL-6 的抗炎药同样未显示获益。STAT 资深撰稿人 Matthew Herper 据此指出，这类"新技术加速新药上市"的承诺屡屡落空，公众应对 AI 治愈疾病的炒作保持怀疑。
芝加哥大学教授 Frank Calegari：AI 时代数学人才招聘将更看重研究愿景与表达能力
芝加哥大学数学教授弗兰克·卡莱加里在陶哲轩博客发文提出，AI 能批量生成证明后，数学人才招聘应更多依赖面对面交流而非书面材料，30 分钟面谈即可区分批量产出低质量成果者与有清晰研究愿景者。他批评仅凭一篇论文或一项成果录用学生的“懒惰的评审委员会”，并主张院系应更认真培养研究生的数学表达能力。
11月7日
星期六，1 条OpenClaw 如何发布版本
史上最大的开源项目之一是如何做发布的？🦞 @dallinfinite 讲解了 OpenClaw 的发布流程：dev、beta 和 stable 三个渠道，每周一班的 beta 列车，以及由一个智能体会话全程护航每次发布。
11月6日
星期五，1 条Anthropic 资助研究者谈如何教 AI 构建科学模型
Anthropic AI for Science 资助的 ELLIS Institute Tübingen 与图宾根大学研究者 Jakob Macke、Daniel Gedon、Stefan Wahl 撰文讨论 AI 如何改变科学建模。文章以 Hodgkin-Huxley 模型为例，将建模拆为构建、约束与解释三步，指出 AI 在参数约束上进展最大，但仅给出拟合模型并不等于带来理解。
11月7日
星期六，1 条MedGemma与AMIE进展
讨论的关键里程碑： • 开源影响：MedGemma 如何为全球各地的本地社区卫生工作者提供支持 • 影像工作流程：为何将乳腺X线摄影阅片时间从数天缩短至数分钟可能有助于挽救生命 • 前沿研究：深入了解 AMIE——Google 的多模态诊断 AI
11月6日
星期五，3 条Helmholtz Munich 的 Fabian Theis 谈如何控制生物学与虚拟细胞
Helmholtz Munich 的 Fabian Theis 认为，现有数据集下的扰动预测并不足以支撑复杂算法，应转向用大规模、高精度、多尺度配准数据预测分子→细胞→组织→器官→生物体的演化。
Fabian Theis 谈虚拟细胞：Biohub 18 亿美元押注与扰动预测困境
Helmholtz Munich 的 Fabian Theis 认为，现有数据集上的扰动预测并不足以支撑复杂算法，应转向用大规模、高精度、多尺度配准数据预测分子→细胞→微环境→组织→器官→生物体的演化。
迈向具有生态学意义的基础模型
Gardiner 等人提出构建生态学基础模型，将大规模多模态生态数据集与生态学理论结合，以生成更具泛化能力和预测能力的模型。相关观点发表于 Nature Machine Intelligence，针对的是生态数据与理论分散于不同来源、尺度和方法、难以做出广泛预测的问题。