上海AI实验室上线元认知智能体框架书生·太一,接入书生·端砚科学发现平台
上海AI实验室推出元认知智能体框架书生·太一(Sage·Taiyi),将科研猜想、探索路径与实证结果串联,通过科学搜索与认知调控两层架构驱动智能体迭代研究方案,已接入书生·端砚科学发现平台并向全球科研人员开放体验。
入选理由上海AI实验室公开了书生·太一框架的接入入口与跨学科实证案例,研究者可据此判断这类元认知智能体能否嵌入自己的构思与实验迭代流程。
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。
39 条入选报道,更新于 15:29
上海AI实验室推出元认知智能体框架书生·太一(Sage·Taiyi),将科研猜想、探索路径与实证结果串联,通过科学搜索与认知调控两层架构驱动智能体迭代研究方案,已接入书生·端砚科学发现平台并向全球科研人员开放体验。
入选理由上海AI实验室公开了书生·太一框架的接入入口与跨学科实证案例,研究者可据此判断这类元认知智能体能否嵌入自己的构思与实验迭代流程。
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。
Google DeepMind 向开发者、企业、科学家和消费者开放 Gemini 4 Carbon,称其在网络安全和长程智能体工作流上具备前沿表现,并强调物理、数学和生命科学推理能力的提升。
入选理由原文列出 Carbon 在酶测定、蛋白同源序列检索和形式化验证中的具体用法,研究者可据此判断它适合承担哪类科研任务。
OpenAI 推出 BioBasicsBench,这是一个包含 100 项任务的基准,用于衡量 AI 智能体解读原始实验数据以及处理湿实验室日常科研工作的表现。原文链接:https://openai.com/index/measuring-how-ai-agents-handle-wet-lab-science
入选理由OpenAI 把评测对象从问答转向湿实验室原始数据的解读,研究者可据此判断智能体能否接手日常实验数据处理。
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。
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。
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。
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。
Google 研究者提出面向大语言模型持续学习的 sleep 框架,让模型在活跃交互与离线巩固两个阶段之间交替,把短期上下文中的信息写入长期参数。离线阶段通过 MoE 参数扩展、知识蒸馏与强化学习模仿完成记忆巩固,再用随机专家激活生成合成样本进行自我改进。
入选理由Google 研究者提出让大模型在离线阶段巩固记忆的持续学习框架,并给出长上下文与推理基准上的对比结果,可供关注模型知识更新机制的研究者参考。
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。
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。
NVIDIA 扩展覆盖语言、机器人、生物与量子计算的开放模型组合,其中 BioNeMo RFD4-Proteina 是与华盛顿大学蛋白质设计研究所 Baker Lab 合作的开放蛋白质设计模型,可生成蛋白质序列与三维结构,在超过 10 项蛋白质设计任务上表现领先,在 200 个氨基酸蛋白质的基准中生成设计的速度约为 RFdiffusion3 的 13 倍。
入选理由蛋白质设计模型 BioNeMo RFD4-Proteina 与量子校准模型 Ising 的开放范围,关系到生命科学与量子计算研究者能否直接接入现有流程。
NVIDIA 与 UW Medicine 蛋白设计研究所(Institute for Protein Design)在 GTC Berlin 发布开放模型 RFD4-Proteina,把可编程蛋白设计与搜索能力结合,可按分子输入、约束和打分目标生成并优化设计。
入选理由蛋白质设计模型与放疗规划两条线同时落地,研究者可据此判断开放模型能接入哪些现有科研与临床工作流。
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。
华盛顿大学、牛津大学、英伟达等机构组成的国际联合研究团队在《科学》发表 RFdiffusion3 的详细设计方案,该系统可按单个原子建模设计蛋白质与核酸,团队已于 2025 年 12 月 3 日开源。
入选理由论文给出原子级蛋白质设计在酶活性位点上的实测结果,研究者可据此判断该设计流程能否用于自己的酶工程。
NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1,覆盖 22 种印度语言、约 2.8 万亿 token,并公开用于生成该语料的 GPU 加速数据生成流程。
入选理由NVIDIA 与 IIT Madras 公开 2.8 万亿 token 的印度语言预训练语料及生成流程,研究者可据此评估多语言模型的训练数据来源。
Google 在 Research@ 2026 活动上公布多项面向科研的 AI 能力,其中 Deep Review 在 STOC、ICML、NeurIPS、ICLR 的 15000 余份投稿中完成部署后正式公开上线。
入选理由Deep Review 已在 STOC、ICML、NeurIPS、ICLR 的 15000 余份投稿中试用后公开,审稿人和会议组织者可据此判断它能否进入评审流程。
Ai2 发布 HiRO-ACE 系统的新版本 HiRO-ACEv2,其降尺度模型 HiROv2 可同时预测多种高分辨率变量,不再只限于降雨,并提升了对极端事件的预测能力。
入选理由Ai2 公布气候模拟系统更新,研究者可据此判断能否用低成本方式生成极端天气的高分辨率数据。
Google DeepMind 发布 Gemini 4 Argon,定位为通用物理推理模型,在 Embodied Reasoning(ERQA)基准上以纯推理取得 87%,称超过其他前沿模型。
入选理由材料给出 Argon 在机器人全流程的提示词示例与开放渠道,研究者可据此判断它能否接入自己的仿真与真机工作流。
Google DeepMind 发布前沿模型 Gemini 4 Argon,今日起通过 Gemini API 在 AI Studio 和 Gemini 平台面向开发者与企业开放。
入选理由Google 官方给出 Argon 在量子化学、聚变、酶设计与罕见病分析中的具体案例,研究者可据此判断它在自身计算流程中的可用边界。
Google 发布前沿模型 Gemini 4 Argon,今日起通过 AI Studio 和 Gemini 平台的 API 面向开发者与企业开放,Google AI Ultra 订阅者可在 Google Antigravity 使用。
入选理由Google 官方给出 Argon 在量子化学、聚变、罕见病与酶设计上的自测案例,研究者可据此判断它在自身领域的可用边界。
Amazon Web Services 团队提出 priming 方法,利用预训练 Transformer 权重作为起点,将混合架构的预训练成本降低 99% 以上,相关论文题为《Priming: Hybrid state space models from pre-trained Transformers》。
入选理由Amazon Web Services 提出 priming 方法,把混合架构的预训练成本降低 99% 以上,并开源 8B 与 32B 模型,研究者可据此低成本比较不同状态空间层。
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。
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。
Ai2 宣布其 Bolmo 字节级语言模型研究已发表于 Nature,并在 Hugging Face 发布新检查点,把 byteifying 方法从 Olmo 扩展到其他模型家族。
入选理由Ai2 公开了把子词模型转换为字节级模型的 byteifying 流程与检查点,研究者可据此评估字节级路线能否替代固定词表方案。
Google 以 Earth AI 中的 Population Dynamics Foundation Model(PDFM)为概念验证,把搜索趋势、人口流动、建成环境密度和环境决定因素压缩为按月更新的位置嵌入,无需任务微调即可作为即插即用输入接入现有流行病学模型。
入选理由Google 公开 PDFM 位置嵌入在五类公共卫生任务中的合作评估结果,研究者可据此判断地理空间基础模型能否接入现有流行病学建模流程。
Ai2 开源 AstaBrief 8B,一个把研究问题和检索到的文献片段转成带引用报告的模型,已在 Asta 的 Generate a report 功能中作为 Fast mode 上线,与 Claude 驱动的 Thinking mode 并列。
入选理由Ai2 公开了报告生成模型的权重、训练数据与本地部署工作流,研究者可据此评估自建文献综述流程的可行性。
Google DeepMind 发布前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络防御方开放,随后逐步扩展到开发者、企业和消费者,起步价为每百万输入 token 2 美元、每百万输出 token 10 美元。
入选理由Gemini 4 Argon 把长程推理和百万级输出用于代码迁移、漏洞发现与科研优化,研究者可据此判断它在自身工作流中的位置。
Google DeepMind 推出 SynthID Bio,把水印嵌入 AI 生成的蛋白质序列和 3D 结构,并可在合成出的实体蛋白上验证,同时保持其生物功能。
入选理由Google DeepMind 把水印嵌入蛋白质序列与 AlphaFold 3 预测结构,为 DNA 合成筛查和数据库标注提供可验证信号。
微软研究院发布 Quine,一个面向生物学复杂性的 AI 研究系统,由生物学世界模型和连接模型、科学工具、文献与研究者的交互式 harness 两部分组成。
入选理由微软研究院公开了面向生物学的多模态世界模型 Quine,并给出胰腺癌细胞状态预测经湿实验验证的案例,研究者可据此判断这类系统在实验设计中的可用边界。
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。