AI 科研

BaguanHR提出了一条不同于传统模型微调的路线：先用变量级超分辨率把长期粗分辨率再分析资料扩展到0.1度，再训练高分辨率天气预报模型。研究结果显示，扩大数据规模能够持续降低预报误差。

Anthropic公布Model Hardware Standard（MHS）研究预览版，试图用统一驱动和数据接口，让AI代理连接并控制不同类型的实体设备。该标准目前主要面向科学实验，也为机器人和自动化系统提供了新的协作基础。

一项名为 Station 的开放世界多智能体环境，让来自不同模型家族的AI围绕数学研究目标自行分工、实验与协作。论文称，该系统在多个组合数学与几何问题上获得了相对既有文献的新结果，并公开了对话、证明和验证代码。

RIBOSPAN 是一个原生支持最长 10,240 个核苷酸、拥有 16.1 亿参数的双向 RNA 基础模型。研究显示，原生长上下文训练在完整转录本建模、表示学习和 mRNA 设计方面具有明显优势。

AutoResearch提出一个连接“想点子”和“做实验”的两阶段科研代理系统。它试图用多模型交叉评审、实验诊断和独立证据审查，减少自动化科研中的幻觉与不可靠结论。

英国AI初创Inherent发布科研智能体Faraday，称其在独立复现论文结果的任务上超过Anthropic和OpenAI的更大模型。其真正的看点不只是成绩，而是通过强化学习训练AI形成科研判断力。

一项新研究提出 Top-K 提示与训练范式，让语言模型在单步逆合成中同时生成多种可能路线。基于约4560万条经验证反应训练的 C3LM，在 OOD URSA-expert-2026 基准上展现出竞争力，并与传统模型形成互补。

OmniScientist试图把AI科学家的能力从文本和预处理特征扩展到图像、信号、音频、视频、三维结构等异构原始数据。系统通过感知、构思、实验和写作环节，完成从研究问题到论文草稿的端到端流程。

MathForm 将 Mathlib 知识检索、编译器诊断和语义一致性反馈引入数学自动形式化流程，并据此构建了约 367K 条 Lean 4 验证数据。基于该数据训练的 8B 模型，在多项基准上超过了若干专用 32B 模型。

《Personalized Auto-Research》提出“个性化自动科研”概念：AI 科研助手应理解研究者的知识积累、方法能力与合作网络，而不是只围绕一个研究目标生成通用方案。

一项数学人工智能研究提出 FAR 流程：让专家提供研究方向，由系统从文献中寻找开放问题，再逐层筛选值得投入推理与人工复核的候选。组合数学试验显示，这种“文献到评审”的协作方式有望重新分配稀缺的模型推理和专家时间。

Large Discovery Model 将生成模型与贝叶斯非参数奖励代理结合起来，让 AI 不只提出候选方案，还能根据实验结果和不确定性决定下一步搜索方向。

DeepMind团队联合研究者重新设计矩阵乘法指数优化问题，并引入机器学习算法与AlphaEvolve进行搜索，将当前上界从2.371339推进至2.371177。

CADENA 将 3D 网格逐步重建为可编辑的参数化 CAD 程序，并在每一步执行后检查与目标形状的差距。它同时发布了面向真实机械零件的 CADENA-Bench，用于更细粒度评估 CAD 逆向工程能力。

EMBL AI Librarian 试图把 Europe PMC 这样的传统文献检索系统，改造成更适合 AI 智能体调用的证据接口。它让智能体用自然语言提问，并返回可支撑回答的文献片段，而不是只给出一堆论文列表。

Anthropic 用尚未发布的 Claude Mythos 模型尝试密码分析，涉及 HAWK 后量子签名方案与缩减轮次 AES。密码学家 Matthew Green 的评论提醒我们：这既是 AI for Science 的进展，也需要谨慎理解其边界。

据报道，DeepMind内部原AlphaFold团队已不再作为独立团队存在，成员被分流至Gemini、AI编程、生命科学、核聚变和Isomorphic Labs等方向。Google否认这是放弃科学研究，称其科学团队是在扩大研究范围。

Anthropic 的安全模型 Mythos 帮助发现了后量子签名算法 HAWK 的关键弱点，促使其开发者将该算法从 NIST 标准候选中撤回。事件不意味着现实密码系统被攻破，却显示 AI 可能正在改变密码学审查的节奏。

OpenAI宣布为10万名学术研究者免费提供ChatGPT先进模型访问权限，意在降低科研使用前沿AI工具的门槛。该计划凸显了通用大模型正在从“效率助手”进入科研协作与发现流程。

Anthropic 称，Claude Mythos Preview 协助研究人员改进了针对 HAWK 后量子签名候选方案的攻击，并发现了针对轮数减少版 AES 的新攻击思路。相关结果暂不影响生产系统，但显示前沿模型正开始参与算法层面的密码分析。

IDEAgent 提出用质量-多样性（QD）搜索来组织科研选题生成，让大模型不只追求“看起来不错”，也避免产出彼此相似的想法。论文在 32 个计算机科学主题上报告，其 Yield 指标较最佳基线提升 3.89 倍。