scientific-computing

科学家们正采用'氛围编码'，这是一种对话式方法，利用LLM等AI工具生成用于数据可视化和分析的代码，从而加速研究，但需谨慎使用。

本文介绍了 GRAFT-ATHENA，这是一个自我改进的智能体框架，能够自主发现并进化用于解决科学问题的数值算法。它在物理信息机器学习基准测试中展示了接近机器精度的准确率，并成功应对了复杂的工程挑战。

本文介绍了 Christoffel-DPS，这是一个用于扩散后验采样中最优传感器放置的无分布依赖框架，其性能优于传统的基于高斯假设的方法。它为使用生成式模型从复杂非高斯分布中重建状态提供了理论保证和实际改进。

Metal-Sci 推出了一项包含 10 个任务的基准测试，用于优化 Apple Silicon 上的科学计算内核，并配套了由大语言模型驱动的演化搜索框架。该研究评估了 Claude Opus 4.7、Gemini 3.1 Pro 和 GPT 5.5 等模型，在实现显著加速的同时，利用分布外测试来捕获静默的性能退化问题。