标签
论文提出 TSFLab，一个自我改进、与具体智能体解耦的时间序列预测研究工作台，为编码智能体提供共享资源与工具，以低成本完成复现、基准测试与新方法开发，并显著提升任务完成率、降低词元与开发时间成本。
深入了解 OpenAI、Anthropic 等前沿实验室如何围绕 AI 智能体重组组织架构——由智能体执行大部分研究工作，人类负责指明方向并验证结果；已有证据表明，面向 AGI 的这些组织内部，递归式自我改进早已在稳步推进。
研究员邵嘉豪公开批评 Anthropic，称其对自己的账户进行标记并加以限制，尽管他声称从未对 Claude 进行蒸馏。他指控，使用 Claude 执行 RFT/SFT 和作业提交等科研自动化任务，会触发惩罚性降级和会话终止。
VerifiedLab 推出了一个多智能体协作框架，让担任不同角色（首席研究员、文献管理员、领域专家、把关者、批评者）的 AI 科学家基于经过领域验证的记录进行推理，将科学知识从被动的资料转化为主动的系统。该框架在钙钛矿太阳能电池领域的演示中，成功复现了已知趋势，并预见了一年后才被报道的器件。
一篇文章探讨了来自 OpenAI 和 Anthropic 的尚未公开发布的前沿 AI 系统如何形式化了费马大定理、攻克了 Navier-Stokes 问题，并瞄准了克雷数学研究所的千禧年大奖难题，这在数学家中引发了对人类研究未来的焦虑与深刻反思。
Agent4Sci 通过跨 11 个领域的 20 个科学机器学习基准评估前沿编码智能体，发现它们主要靠工程技巧而非领域洞察提升性能，而轻量插件技能可显著改善表现（Claude Opus 从 10.4% 提升至 20.1%）。
哈佛物理教授 Matthew Schwartz 借助开源工具 BootLoops 与 Claude，在三个月内跨 18 个学科产出 36 篇研究手稿，其中多篇计算此前从未被完成。该工具由 Anthropic 资助、以 MIT 协议开源，可与 Claude、Gemini 或 ChatGPT 等多种模型配合使用。
一篇评论文章，将人工智能迅速涌现、具有颠覆性的科学发现——例如 OpenAI 攻克数学中的千禧年大奖难题——与斯特鲁加茨基兄弟小说中的“路边野餐”隐喻作类比：难以理解的奇异物件被倾倒在田野上，其堆积速度远超人们理解或整合它们的速度。
Google Cloud AI Research 推出了 AIM（Agentic Idea Manager），这是一个以想法为驱动的自动化研究自主框架。它采用 Agentic Surrogate 和 Agentic Acquisition（灵感来自贝叶斯优化）来组织和筛选研究想法，并通过 Solution Auditor 和 Resource Planner 维持想法与解决方案的一致性以及分配实验预算。AIM 的表现最多比最强的 AutoLab 基线高出 4.9 个百分点，并且最高可提前 3.1 倍达到基线性能。
Hao Zhang离开Meta超级智能实验室，加入Discovery Loop，这是一家由Jeff Dean新创立的AI公司，旨在自动化机器学习研究，估值很高。
本文介绍了AIDE^2，这是一个系统，它使AI研究智能体能够通过递归自我改进自主提升其代码，从而在多种AI研究任务中获得性能提升。
Paper2Agent 是一个发表在 Nature 上的多智能体框架，它自动将研究论文转化为虚拟作者，使 AI 智能体能够与科学知识进行交互并在此基础上构建，从而促进更深入的发现。
Andy Matuschak 分享了一项可编程荧光笔的实验，该工具可以自动化查找引文、进行事实核查以及与AI代理交互。
文章回顾了AlphaFold如何变革蛋白质结构预测，并推测类似的AI进步可能会颠覆数学领域，将人类角色转向解释和验证，同时可能自动化关键任务。
OpenAI 声称，其 AI 智能体现在每 1 个人类研究员工作日可贡献 3.1 个工作日，已达到“自动化研究实习生”水平，并预计 2028 年 3 月实现“自动化 AI 研究员”。该公司表示，智能体系统加速了递归自我改进的进程，使其研究团队规模从约 1000 人有效扩充至相当于 4000 人以上。
本文开发了一个LLM流水线，用于自动化疾病传播建模中的系统文献综述，并将GPT-4.1和GPT-5.0的性能与人工进行的综述进行比较。
本文质疑，像AQuA这样拥有持久记忆但模型权重固定的系统是否算递归自我提升，并引用了一篇采用更狭义定义的论文。
本文介绍了一个个性化自动研究系统的框架，该框架将研究过程的每个阶段都基于个体科学家的表示进行条件化，认为个性化是AI作为真正科研伙伴而非通用工具的关键。
Akshay Pachaar 介绍了 Transformer Lab 的 Primus，这是一个自主 AI 研究员，它自动化了从文献综述到论文写作的完整研究循环，并在实验中展示了其自我纠正能力。
本文提出了一种使用自动化多模型LLM评审的基准测试协议来评估AI科学家系统，比较了Sakana AI、CycleResearcher和Data-to-Paper等框架，并发现FARS基准论文显著优于其他系统。