标签
This paper introduces AutoSupervision, a benchmark and method for verifying whether manuscript revisions actually address reviewer concerns using grounded evidence from peer-review records. Experiments on 56,000 Nature Communications articles show LLMs can summarize reviewer concerns but still struggle with evidence-based verification.
Valence AI发布了AquaGen，该模型模拟水物理的速度比经典分子动力学快100倍，在生化理解和药物研究方面具有潜在应用。
介绍了GenTO，一种基于扩散模型的框架，通过引导拓扑分布实现架构超材料的统一设计，利用可复用的拓扑先验和实验验证完成多种设计任务。
MKB 是一个统一的科学多模态基础模型，使用共享的 Transformer 主干和针对模态定制的组件，处理六个科学分支（DNA、RNA、蛋白质、小分子、地球科学、医学图像），在跨领域的理解和生成方面达到有竞争力的水平。
本文首次系统研究了将生物动力学常微分方程（ODE）知识注入神经网络用于生物过程建模的方法，比较了模拟预训练和架构级先验，发现它们在数据稀缺情况下可相互替代且有效。
谷歌承诺提供价值4000万美元的AI代币和云信用额度，以支持美国能源部的创世纪计划，为全国实验室提供AlphaEvolve和AlphaFold 3等前沿AI工具，加速科学发现。
Anthropic宣布，在其AI for Science计划下，为研究罕见病的研究人员提供高达5万美元的Claude使用积分资助。
S1-Omni是一个用于科学任务（包括理解、预测和生成）的统一多模态推理模型。它基于包含200个科学任务的语料库进行训练，在大多数基准测试上优于GPT-5.5和Gemini-3.1-Pro。
本文认为，当前的AI模型具有预测能力但并不具备解释能力，并提出了Mechanistic World Models这一新范式，该范式将可重用机制置于表示、计算和学习的核心，以实现自主科学发现。
本文分析了AI for Science领域的资本格局，指出数据耗尽推动了资本对科学实验数据的重视，并梳理了代表性融资案例。
耶鲁大学的论文通过构建大规模评估框架，比较了LLM与人类研究者在生成研究想法上的分布差距，发现LLM想法高度集中于bridge和synthesis类型，而人类想法分布更广，揭示了'研究品味'的差异，对Research Agent的多样性提出挑战。
PRECEDE是一个先例引导的、用于副作用感知药物重新设计的协同科学家，它将药物修改视为基于药物-副作用关联和生物医学知识图谱的证据驱动推理，并由人类监督的LLM编排器协调。
本文介绍了SpinGTP，一种利用自旋加权球谐函数实现完整且可扩展的E(3)等变网络的方法，用于三维原子模拟，恢复先前Gaunt Tensor Product方法中丢失的反对称相互作用。
本文介绍NIVA，一个在地球系统模拟上训练的多模态基础模型，用于学习次季节到季节预测中的大气-海洋耦合动力学。初步验证表明，该模型通过准确预测主要气候指数，捕捉到了气候变率的关键模态。
这篇文章详细介绍了AI for Science（AI4S）的新范式，从AI作为分析工具到科研智能体（scientific agents）的转变，阐述了自主性层级、关键案例和未来趋势。
介绍了AHOIS，一个将苏格拉底式助产术嵌入闭环实验以实现认知自主性的多智能体AI科学家，能够在高维物理系统中自主进行假设构建、测试和修订，并在多模光纤光学平台上进行了演示。
本文介绍了Sesame，一个基于扩散的分子生成模型，该模型通过空间密度图对部分分子结构和蛋白质口袋进行条件化，从而实现从头生成和片段条件的先导化合物优化，用于药物设计。
NVIDIA宣布推出新的AI软件库和微服务——DAQIRI、ALCHEMI和cuPhoton——大幅加速天文学、材料科学和粒子物理等领域的科学计算任务，相比基于CPU的流水线可实现高达14,900倍的加速。
QSignAI 是一个已生产部署的开源平台，它将来自 Toeplitz 双源提取器的量子随机性与 Telegram 上的 AI 机器人相结合，生成唯一的身份签名，展示了人工智能与量子科学之间的双向关系。
一篇新的 Nature 论文介绍了 ERA，这是一种通过树搜索迭代编写、运行、评分和改进科学代码的 AI 系统，将 AI for Science 从文本生成推进到代码测试。