AI 科研

Station研究显示，在缺少明确中间指标、无法联网检索的情况下，多智能体系统仍能复现相当比例的既有科学发现。不过，持续探索并不等于具备成熟的科学判断力。

OpenAI近日集中发布近400项AI生成的数学成果，覆盖多个研究方向，但大量论文尚未完成形式化验证。数学家面对的，不只是突破的可能，也是一场规模空前的筛选与复核工作。

尼康宣布，原本获得 Small World in Motion 大赛第一名的显微视频违反了关于生成式 AI 的竞赛规则。事件也促使主办方重新审视参赛规范与评审流程。

Gan Jiang 是一个面向粉末X射线衍射分析的自学习科学智能体，能够在不重新训练语言模型的情况下改进可执行技能。它将物相识别、多相分解和全谱建模连接起来，并用物理证据验证分析结果。

研究人员让语言模型代理直接改写分子几何优化器 Sella，并通过防止过早停止和过拟合的评估机制筛选方案。生成的 AutoSella 在未参与搜索的分子基准和 DFT 势能上均减少了力评估次数。

SciUtopia把研究选题、合作、投稿、同行评审、资助、引用和职业流动放进同一个持续演化的LLM智能体模拟环境。实验显示，增加投稿机会可能提高产出，却也会加重评审负担并降低研究者长期留存。

Vals.ai团队让一组AI代理参与磁性材料设计与筛选，提出一种全新候选，并重新识别出一种1999年已制备的材料。两者都显示出零净磁矩、半导体带隙和自旋分离潜力，但距离实际存储器应用仍有明显距离。

Fold2Reason 试图把蛋白质三维结构转化为可验证的推理监督，探索科学数据能否提升语言模型在蛋白质之外的通用能力。实验显示，结构密集型训练同时改善了空间、图、科学和一般推理任务。

一项针对SciCode科学编程任务的研究，将原本写在文字中的方程、边界条件和输出要求封装为可调用的执行检查。结果显示，工具化检查在部分任务上提升了修复成功率，但优势并不稳定，且会增加公开CPU开销。

OSWorld-Science 将分子绘图、病理图像分析、统计计算和物理模拟等科研工作流纳入计算机使用代理评测。它不只检查界面操作是否完成，还通过生成的科学产物判断结果是否有效。

自动化科研的瓶颈不只是执行实验，更在于如何组织不断涌现的研究想法。AIM 将想法管理、方向选择、实现审计和资源分配整合进一个自主框架。

EvoDuet 将网页检索与候选解生成放进双层优化循环，让搜索查询不再停留在固定关键词上。实验显示，该方法在多项科学优化任务中提升了进化式搜索表现，但收益依赖底层模型能力。

大型语言模型正在变得更擅长证明数学命题，但“能证明”并不等于“值得证明”。一项新研究尝试用可量化指标训练模型筛选更有潜在价值、且更少重复既有数学库的定理。

Anthropic称，Claude协同约950个智能体，在噬菌体DNA中识别出一种此前未被系统描述的“阵列相关逆转录酶”系统。其功能仍未确定，但相关结构呈现出与CRISPR等可编程DNA工具相似的特征。

SAIR Foundation宣布启动“开放数学模型计划”，计划与学术界和产业界合作，开发开放权重模型及配套工具，服务数学研究与教学。项目首阶段将聚焦论证理解、文献核查、代码编写和形式化证明等场景。

Anthropic已确认，其在湾区运营一座湿实验室，让AI模型参与真实生物学实验。此举显示，前沿模型公司正从提供软件工具，逐步延伸到验证科学假设的物理环节。

山洪往往在降雨发生后迅速形成，传统监测可能来不及发出警报。TACLS尝试利用GNSS卫星信号中的大气水汽信息和机器学习，帮助气象部门更早识别风险。

HypoEvolve 将遗传算法引入多智能体大语言模型协作，让不同角色的科学智能体围绕假设群体进行提出、质疑、修订与筛选。研究以癌症药物再利用为场景，并借助 DepMap 与 Open Targets 的外部证据评估假设质量。

ScienceIDE 试图解决科学智能体训练中的“科学经验瓶颈”，将分散的科研代码、工具链和领域规范组织成可执行、可验证的学习环境。基于这些环境，研究团队训练了 PhAI-IDE 系列模型。

OpenAI声称用大规模智能体和算力推进了纳维-斯托克斯问题的解答，却因与相关数学家的合作、数据使用和署名安排引发争议。事件折射出 AI 公司进入基础数学后，科研规范与商业竞争之间的张力。

据素材，一份由25位菲尔兹奖得主联署的声明，批评部分AI公司把数学研究过度简化为竞赛式基准测试。争议的核心并非是否使用AI，而是如何保护数学中的理解、归因、传承与开放协作。