跳到正文

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。

36 条入选报道,更新于 03:38

11月10日

星期二,1 条
  1. 亚马逊发布表格基础模型 Mitra-v2,扩大合成预训练规模并开放权重

    亚马逊发布表格基础模型 Mitra-v2,同时支持分类与回归,在 Hugging Face 以 Apache-2.0 许可开放微调版本及推理与微调代码。模型架构未变,预训练表格的行数是 Mitra-v1 的 10 倍、列数约 3 倍,并新增混合 SCM 先验。

    入选理由表格基础模型在公开基准上的表现与开放权重,让需要处理结构化数据的科研人员多了一个免训练的选择。

    Amazon Science官方厂商自述重要性 62

11月9日

星期一,1 条
  1. 百度发布自动研究系统 ERNIE Evolve,并在 ERNIE-5.5-Flash 推理优化中落地

    百度发布自动研究系统 ERNIE Evolve,它围绕给定代码仓库、优化目标和评测标准自主修改代码、在隔离环境跑实验,由独立评测与复核决定保留哪些改动。该系统在 NanoChat AutoResearch、NanoGPT Speedrun 和 SOL-ExecBench 三项公开任务上均高于基线,其中前两项超过公开验证的最好结果,优化结果已在 GitHub 开源。

    入选理由百度公开了自动研究系统在公开基准与自家推理优化任务上的结果,研究者可据此判断自动研究闭环能承担哪类研发工作。

    百度文心 ERNIE 官方博客开放代码重要性 78

11月6日

星期五,3 条
  1. Ai2 发布 ToyBlocks 仿真框架,用于机器人学习的可控实验与评测

    Ai2 发布 ToyBlocks,一个围绕机械臂与桌面方块搭建的开放仿真框架,属于其 FoundationWorlds 系列的第一个环境,可自动生成任务与演示数据,并提供成功率之外的执行速度、施力等评测指标。

    入选理由Ai2 把机器人学习的数据生成、训练与评测收进一个可控仿真世界,并公开代码与数据,研究者可据此设计可复现的泛化实验。

    Hugging Face Blog官方可用产品重要性 64
  2. 上海AI实验室推出科学多模态框架书生·元征,以RSI让模型自主设计科学感知架构

    上海AI实验室推出科学多模态框架书生·元征(Sage SciPerception),通过可训练投影模块把谱图、序列、晶体结构和时序信号转换为语言大模型可识别的表征,并引入递归式自我改进(RSI)模式,让模型参与分析任务表现、提出新的投影模块方案并迭代验证。

    入选理由框架把谱图、序列、晶体结构接入语言模型,并让模型自行迭代感知架构,研究者可据此判断科学数据接入方式的可行边界。

    上海人工智能实验室·科研动态官方可用产品重要性 72
  3. NVIDIA 发布 Cosmos 3 四个开放权重模型,面向交互式世界仿真

    NVIDIA 在 Cosmos 世界模型开发平台上为 Cosmos 3 系列新增四个开放权重检查点,均基于 Cosmos 3 Nano 后训练、含 16B 可训练参数,采用 OpenMDW1.1 许可,允许商用与非商用。

    入选理由四个开放权重检查点分别对应驾驶数据生成、流式仿真和双臂机器人动作预测,研究者可据此判断能否用于自己的仿真与策略学习流程。

    Hugging Face Blog官方开放代码重要性 60

11月5日

星期四,1 条
  1. 中国科大团队发布开源 RNA 序列基础模型 structRFM

    中国科学技术大学医学影像智能与机器人(MIRACLE)实验室发布开源 RNA 序列基础模型 structRFM,仅需输入序列即可提取序列级、核苷酸级和核苷酸对级特征,用于结构预测与功能推断。

    入选理由RNA 序列基础模型开放权重与数据,做 RNA 结构预测和功能推断的研究者可据此评估能否接入现有流程。

    中国科学院官方同行评审重要性 75

11月2日

星期一,1 条
  1. OmniQ 与 Residual Agents:AI 科学家复现计算量子论文的障碍与自改进方案

    南洋理工大学团队提出专家审核的虚拟研究环境 OmniQ,把计算量子科学论文转成可执行复现任务,并据此评测 5 个 LLM 驱动的 AI 科学家与 6 个第三方 agent harness。

    入选理由该研究把论文复现变成可诊断任务,并给出从专家修正中积累经验的自改进路径,对关注自主科研代理的研究者有参考价值。

    arXiv 科研构思与自主科研代理预印本重要性 78

11月1日

星期日,1 条
  1. Simjecture 框架:语言模型智能体以反例驱动完成 Z-pinch 辐射能超额研究

    西安交通大学团队提出开源框架 Simjecture,让语言模型智能体围绕人类设定的物理猜想做反例搜索与前瞻性假设修正,并以计算物理作为可执行检验平台。

    入选理由作者团队公开了 Simjecture 框架与完整研究记录,研究者可据此判断反例驱动的智能体研究在计算物理中能承担到哪一步。

    arXiv 科研构思与自主科研代理预印本重要性 78

10月30日

星期五,2 条
  1. 上海AI实验室联合清华推出蛋白质改造评测基准PFArena,评测显示大模型尚难可靠完成改造

    上海AI实验室联合清华大学智能产业研究院(AIR)及清华大学药学院推出专业蛋白质改造评测基准PFArena,基于202项真实蛋白质实验、293个任务实例和60万余条候选记录,评测6种蛋白质语言模型、6种通用大语言模型及基于Biomni和AMixKit构建的5种智能体组合。

    入选理由上海AI实验室联合清华发布PFArena,用202项真实实验衡量模型能否在有限实验预算下选对突变,为蛋白质改造的AI评测提供了新口径。

    上海人工智能实验室·科研动态官方预印本重要性 62
  2. alphaXiv 推出 autoresearch:改 arXiv 链接即可自动复现论文

    alphaXiv 推出面向 arXiv 论文的 autoresearch 功能,把任意论文 URL 中的 arxiv 改成 autoarxiv 即可触发。OpenResearch 会为用户创建项目、在用户选定的算力上搭建环境并运行最小复现,智能体在完全本地的闭环中跟踪日志、可视化运行过程并产出结果文件。

    入选理由把 arXiv 链接改成 autoarxiv 就能触发本地复现流程,研究者可据此判断它是否适合自己验证论文。

    alphaXiv预印本重要性 70

10月28日

星期三,2 条
  1. 研究者如何把 olmOCR 2 用于历史与考古档案

    Ai2 介绍研究者如何基于开源模型 olmOCR 2 处理历史与考古档案。历史学家 Maurice Casey 在本地运行 olmOCR 2,构建 ArtificeOCR 并接入 Tropy,使自 2019 年以来积累的档案照片可关键词检索,同时避免把档案材料上传第三方;他也报告模型在训练数据覆盖较少的语言手写体上会出现错误。

    入选理由两个团队分别把 olmOCR 2 用于历史手稿与考古陶器记录,给出了可复现的本地部署与微调路径,适合处理受限档案的研究者参考。

    Ai2 / Allen Institute for AI官方可用产品重要性 60
  2. 苏州国家实验室等联合推出材料多模态大模型“材华·MatVerse”并开放模型与评测基准

    苏州国家实验室、上海人工智能实验室与上海交通大学等联合推出“材华·MatVerse”材料多模态大模型及智能体应用体系,采用“独立编码器+统一解码器”架构,将XRD谱图、电镜图像、分子图等数据映射到同一语义空间,并称模型可从知识记忆转向机理推理。

    入选理由材料说明材料大模型如何把谱图、图像与分子结构纳入同一语义空间,并给出热电池等已制备案例,便于研究者判断其适用范围。

    上海人工智能实验室·科研动态官方可用产品重要性 78

10月27日

星期二,2 条
  1. OpenAI 公布数学、计算机与物理三项 AI 成果,并引入外部专家把关

    OpenAI 公布三项由 AI 产出的“重大”成果:数学上给出欧氏波动方程局部光滑性的证明,并称由此解决 Kakeya 猜想与 Stein 限制性猜想;计算机科学上给出确定性算法,称 3-SAT 情形可反驳指数时间假设(ETH);物理上给出含规范场与费米子的四维相互作用量子场论的数学严格存在性证明,涉及 QCD 与标准模型统一完成,但物理部分未全文公开。

    入选理由OpenAI 公布数学、计算机科学与物理三项 AI 输出,并首次引入外部专家把关,同时其数学顾问小组反对这种指定专家先看结果的做法。

    The Verge · AI开放代码重要性 80
  2. OpenAI 称模型在数学、算法与量子场论取得三项成果,部分证明已公开

    OpenAI 宣布其模型在数学、计算机科学和物理学取得三项成果:证明适用于所有维度的局部光滑猜想并由此解决挂谷猜想与斯坦因限制猜想,给出推翻指数时间假设(ETH)的证明,以及提出量子色动力学和纯杨-米尔斯理论存在性的严格数学证明。

    入选理由三项成果分别涉及调和分析、计算复杂性假设和量子场论存在性,数学与算法部分已公开 Lean 形式化证明,物理部分仍在专家审查中。

    IT之家开放代码重要性 88

10月23日

星期五,1 条
  1. 微软 MAI-DxO 诊断系统在 Science 发表,复杂病例准确率高于医生

    微软 Health MAI 团队发布 AI 诊断系统 MAI-DxO,并配套提出逐步诊断基准 SDBench,成果发表于 Science。在 304 个 NEJM 复杂病例上,MAI-DxO 诊断准确率为 83%,医生在有外部参考资料时为 36%、无参考资料时为 22%;在 MIMIC-IV-ED 的急诊常见病例上为 80%,医生为 47%。

    入选理由微软团队公开了逐步诊断基准与开源代码,研究者可据此复现评测并检验诊断推理系统的成本与准确率权衡。

    Microsoft AI:官方博客同行评审重要性 76

10月22日

星期四,1 条
  1. Ai2 发布 OlmoEarth v1.3 卫星嵌入模型及全球预计算嵌入

    Ai2 发布 OlmoEarth v1.3 卫星嵌入模型,读取一年 Sentinel-1 雷达与 Sentinel-2、Landsat 多光谱时序,为全球每个 10 米像元生成 128 维向量,前 64 维可单独使用。

    入选理由Ai2 公开了全球卫星嵌入、权重与预计算数据,地球观测研究者无需 GPU 即可用少量标注做地表分类与变化分析。

    Ai2 / Allen Institute for AI官方厂商自述重要性 71

10月23日

星期五,1 条
  1. Hugging Face 联合 TIGEM 等机构发布开放 DNA 模型 Carbon-X

    Hugging Face 与 TIGEM、那不勒斯费德里科二世大学和中关村学院合作训练了 Carbon-X,这是一个 14B 开放模型,可直接读取原始 DNA 并用自然语言描述。

    入选理由开放权重、可在笔记本上运行的 DNA 模型,让学术实验室能自行评估它能否用于变异解读这类日常任务。

    Thomas Wolf可用产品重要性 78

10月21日

星期三,1 条
  1. 上海AI实验室等推出自进化合金设计专家模型书生·衍金,3D打印钛合金抗拉强度达1817MPa

    上海AI实验室联合中国科学院金属研究所、苏州国家实验室、上海电气推出自进化合金设计专家模型书生·衍金(AlloyEvo),由AlloyDes生成候选方案、AlloyLLM预测性能与机理、AlloyExp沉淀经验卡三模块协同迭代。

    入选理由材料交代了AlloyEvo的设计、评估与经验沉淀模块及钛合金实测结果,材料研究者可据此判断AI驱动合金研发的可用范围。

    上海人工智能实验室·科研动态官方可用产品重要性 78

10月18日

星期日,1 条
  1. Épi 自主研究智能体产出 120 项纪录结果并给出 Tuza 猜想新证明

    研究团队发布技术报告,介绍跨会话持续运行的自主研究智能体 Épi,它结合分层记忆、版本化分支和独立评审,在固定验证规则下产出 120 项纪录结果,包括 20 项数值界纪录和 100 项构造纪录,其中 n-queens 常数区间收窄约 84 倍,四次 Feigenbaum 吸引子维数的严格区间收窄超过 360 万倍。

    入选理由作者团队公开了可核查的构造与证书,研究者能据此判断自主研究智能体在数学与算法设计上已能产出何种可检验结果。

    arXiv 科研构思与自主科研代理预印本重要性 88

10月16日

星期五,1 条
  1. Sakana AI 发布 The Agentic Scientist,用编码智能体做共同发现并开源

    Sakana AI 发布第三阶段系统 The Agentic Scientist,把 Codex、Claude Code 等现成编码智能体包进一套 scaffold,由它控制智能体看到什么、写什么、如何评估以及结果如何交给下一阶段,覆盖课题设定、假设探索、实验、验证到论文写作。

    引用Sakana AI@SakanaAILabs

    The Agentic Scientist: Orchestrating Coding Agents for Automated Scientific (Co-)Discovery Blog: https://pub.sakana.ai/agentic-scientist/ GitHub: https://github.com/SakanaAI/AI-Scientist-v3 arXiv: https://arxiv.org/abs/2610.18933 Since 2024, we’ve used The AI Scientist as a way to test how far AI alone can take scientific research, from v1 to v2 to the paper published in Nature earlier this year. The Agentic Scientist is the next step in that line of work, built for the era of coding agents. Coding agents such as Codex and Claude Code now carry out long software tasks on their own. Handing them a research problem, however, tends to produce a strong hyperparameter optimizer rather than a scientist: scores go up, but ideas stay narrow, and the reasons for the gain are rarely examined. The Agentic Scientist makes the research loop explicit. It wraps off-the-shelf coding agents in a scaffold that controls what they see, what they write, how they are evaluated, and how results are handed to the next stage. Parallel workers test hypotheses against rubrics defined before any experiment runs, share successes and failures through a common memory, and then ablate the winning program to generate evidence. We used an early version of the system to study Error Diffusion, a biologically motivated alternative to backpropagation. Our researchers set the question and the rubric, chose directions at each stage, and verified the results, references, and claims before submission. The resulting paper was accepted as an oral presentation at ALIFE 2026. In autonomous runs, the system also raised Doc-to-LoRA retrieval accuracy from 52% to 98% on multi-needle tasks and designed a learned evolution strategy that improves over its CMA-ES reference on unseen tasks. Alongside it we release AutoIllustrate, a pipeline for scientific figures that keeps an editable http://draw.io file as the source of truth, so every diagram can be corrected by hand. Humans define the question and the standards of evidence; agents expand the experiments researchers can run. We call this Co-Discovery, and we are releasing both systems as open source for the community to build on.

    入选理由Sakana AI 公开了把编码智能体组织成科研流程的开源框架,研究者可以据此判断人机分工的边界。

    Sakana AI预印本重要性 78

10月15日

星期四,2 条
  1. Sakana AI 开源 The Agentic Scientist,用编程智能体编排自动化科研流程

    Sakana AI 发布 The Agentic Scientist,把 Codex、Claude Code 等现成编程智能体包进一套控制其输入、写作、评估与阶段交接的脚手架,并行测试假设并按实验前设定的评分标准评估,通过共享记忆汇总成败,再对胜出程序做消融以生成证据。

    入选理由Sakana AI 把现成编程智能体包进受控科研流程,并公开代码与一篇被 ALIFE 2026 接收的论文,研究者可据此判断自动化科研的边界。

    Sakana AI可用产品重要性 72
  2. 上海AI实验室许地生团队用书生-S2 人机协同证明三维Ghys猜想

    上海人工智能实验室访问学者、大湾区大学教授许地生团队依托书生科学多模态大模型S2(书生-S2),通过人机协同完成困扰数学界30余年的三维Ghys猜想证明,论文已发布在预印本平台arXiv,形式化代码在GitHub公开。

    入选理由材料完整呈现了人机协同证明数学猜想的流程与形式化验证环节,研究者可据此判断大模型在自身领域承担长程推导的可行边界。

    上海人工智能实验室·科研动态官方预印本重要性 85

10月14日

星期三,1 条
  1. vLLM 开源训练推理逐位一致配方与智能体技能,加速 RL 训练

    vLLM 团队发布 train-inference-consistency 技能与配套代码,让训练前向直接调用 vLLM 推理内核并改造高性能内核,使 rollout 与训练对每个采样 token 的 logprob 逐位相同(diff = 0)。

    入选理由vLLM 团队公开了让训练与推理逐位一致的算子级配方和智能体技能,可迁移到新模型与低精度部署。

    vLLM 官方博客开放代码重要性 78

10月12日

星期一,1 条
  1. 上海AI实验室推出实验设备访问与协同协议书生SCP-Lab

    上海人工智能实验室推出实验设备访问与协同协议书生SCP-Lab,为科研智能体提供统一的设备能力发现、任务交互与可信反馈机制,支撑书生·端砚把科学构想转化为真实物理实验。

    入选理由材料给出协议的分层架构与五级控制粒度,研究者可据此判断自家异构设备能否接入科研智能体的实验流程。

    上海人工智能实验室·科研动态官方开放代码重要性 72

10月9日

星期五,1 条
  1. 腾讯混元联合复旦、清华发布 ExplorationBench,评测 AI 自主探索与规则发现能力

    腾讯混元、复旦大学与清华大学的研究者发布 ExplorationBench,用于衡量 AI 系统自主探索规则的能力,并构建了规则可执行、答案可精确校验的 Alien Worlds 环境。该基准包含 AlienCode(31 处隐藏规则改动、70 个任务)和 AlienLogic(24 条修补后的推理规则、70 个定理),每个答案由解释器或证明检查器评分,不使用 LLM 评判。在 10 个前沿 AI 系统上的测试显示,获得反馈比单纯思考更有效,AlienCode 中最佳系统经四轮探测从不超过 15.7% 提升到 89.0%,而同样轮次无反馈仅 0.5–11.0%;同一系统在同一预算下得分可在 5.7% 到 79.0% 之间波动。论文见 arXiv:2609.30199,代码即将开放。

    引用Tencent Hy@TencentHunyuan

    New Research: We are releasing ExplorationBench, a benchmark for measuring how AI systems explore. Scientific discovery begins where known problems end: a system has to frame hypotheses, design experiments, and learn from the results. Evaluating this is hard. Genuinely new answers cannot be checked quickly, and in familiar domains a model can simply recall what it has seen. Addressing this challenge, researchers from Tencent Hy, Fudan University, and Tsinghua University built verifiable Alien Worlds. Their rules are executable, so every answer is checked exactly, and they conflict with familiar knowledge, so recall alone cannot solve the tasks. 🔹 Two sandboxes: AlienCode (31 hidden rule changes, 70 tasks) and AlienLogic (24 patched inference rules, 70 theorems) 🔹 A flawed manual, four rounds of self-designed probes, and closed-book tests after every round 🔹 Every answer graded by an interpreter or a proof checker, with no LLM judge What we found across 10 frontier AI systems: 1️⃣ Getting feedback is more effective than thinking alone. No AlienCode run starts above 15.7%; after four rounds the best reaches 89.0%, while the same turns without feedback stay at 0.5–11.0%. 2️⃣ Designing the experiments matters. Replaying a system's own best probes gives it exactly the same evidence, yet in AlienCode 9 of 10 systems do worse than when they chose the probes themselves. 3️⃣ Knowing a rule is not using it. Even when every required rule is stated correctly, tasks are solved only 73.4% of the time. 4️⃣ One score hides a lot. The same system under the same budget ended anywhere from 5.7% to 79.0%, and rankings barely transfer between the two worlds. CL-bench asked whether models can learn from context. ExplorationBench asks whether they can discover the rules themselves. 📄 Paper: https://arxiv.org/abs/2609.30199 🌐 Website & leaderboard: https://explorationbench.com 📝 Blog: https://explorationbench.com/blog/ 💻 Code (coming soon): https://github.com/Tencent-Hunyuan/ExplorationBench

    入选理由腾讯混元联合复旦、清华发布可验证基准,用规则可执行的外星世界考察 AI 能否自主发现规则,而非依赖记忆。

    腾讯混元预印本重要性 67

10月3日

星期六,1 条
  1. 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。

    OpenAlex Blog官方可用产品重要性 78

10月1日

星期四,1 条
  1. K-Dense 发布 LabMCP 等更新,支持用自然语言操作实验室仪器

    K-Dense 发布开源 LabMCP,包含 32 个连接器和 411 个动作,让 AI 助手用自然语言操作天平、加热板、泵和探头;每个请求都会对照用户设定的安全限值检查,所有命令均被记录,并提供无需接入设备的练习模式。

    入选理由材料给出了连接器数量、安全限制与日志机制,研究者可据此判断能否用自然语言驱动实验室仪器。

    K-Dense Newsletter官方可用产品重要性 62

9月30日

星期三,1 条
  1. OpenAlex 上线按研究设计筛选功能,覆盖 RCT、系统综述与元分析

    OpenAlex 现在支持按研究设计筛选全部文献,涵盖随机对照试验、系统综述、元分析等七种设计,共 2100 万篇作品带标签,覆盖所有领域和语言。OpenAlex 称其随机试验标签精确率为 99.7%,在同一批论文上高于 PubMed;其标注范围是每篇有摘要的作品,其中 30.6 万篇随机试验发表在 MEDLINE 未收录的期刊上。

    入选理由OpenAlex 把研究设计标签扩展到全部文献并免费开放 API,做证据综合和循证检索的研究者可据此调整筛选流程。

    OpenAlex Blog官方可用产品重要性 78

9月26日

星期六,1 条
  1. 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 科研工具与案例官方可用产品重要性 74

9月21日

星期一,1 条
  1. 上海AI实验室发布开源科学基础大模型书生-S2,科学任务评测领先并即将接入书生·端砚平台

    上海AI实验室在2026浦江创新论坛上发布书生多模态大模型S2(书生-S2),称其在知识、代码、智能体等通用能力上处于开源模型第一梯队,在Biology-Instructions。

    入选理由上海AI实验室公开了书生-S2的权重与体验入口,并说明其可插拔专业记忆如何在不重训基座的情况下扩展学科能力,研究者可据此判断能否用于长程科研任务。

    上海人工智能实验室·科研动态官方可用产品重要性 75