标签
《麻省理工科技评论》的每日通讯涵盖了一篇关于AI智能体用于科学发现的评论文章，一项关于影响美国政策的“审查工业复合体”的调查，以及一条关于亚马逊数据中心潜在污染的新闻。
这篇《麻省理工科技评论》文章认为，基于海量数据集的AlphaFold式深度学习并非加速科学发现的理想模板，而具备推理和实验能力的AI智能体将推动未来的突破。
本文介绍了SEE，一个由专家策划的、面向化学、生物学和材料科学科学发现的多模态基准。对19个多模态大语言模型（MLLMs）的评估显示，最佳模型的准确率仅达到48.7%，即使使用工具也只有52.7%，这表明当前模型缺乏可靠的、受证据约束的科学推理能力。
Jeff Dean 和谷歌其他几位顶级AI研究员将离职创办 Discovery Loop，这是一家公益初创公司，旨在利用AI自动化并大规模扩展科学实验，得到了 Alphabet 和多家主要风投公司的支持。
本文介绍了BLAZE，一种社会化科学智能范式，它将AI代理、知识、实验和人类判断组织成一个持续、累积的研究生命周期，以促进科学发现。
本文介绍了SciDisco，一个可扩展的框架，用于通过过程可验证环境、基于DAG的轨迹合成和回合级强化学习来训练科学发现智能体。所提出的SciDisco-14B模型在假设驱动的科学数据分析基准上达到了最先进水平。
本文研究了 LSR-Synth 基准，发现固定词汇表覆盖了大多数任务，而语言模型生成的候选很少扩展可解实例的集合，除非词汇表覆盖被破坏。
本文立场论文认为，科学团队中的AI代理应作为人-代理系统来研究，以增强协作并缓解风险，例如科学探究中多样性的减少。
OpenAI推出ChatGPT for Academic Researchers，为10万名研究人员免费提供包括GPT-5.6 Sol Pro在内的前沿模型，以加速科学发现，并承诺到2027年投入2.5亿美元。
创世纪任务旨在打造一个集人工智能、量子计算和核能于一体的国内端到端生态系统，以加速科学发现，应对气候、能源和健康挑战。
IDEAgent 引入了一个多智能体框架，将研究构思视为质量多样性搜索，通过谱系演化联合优化想法的质量和多样性，在新的联合指标上以3.89倍的优势超越基线。
麻省理工学院的研究人员将主导或参与美国能源部“创世纪计划”资助的15个项目。该计划旨在利用人工智能、超级计算和量子系统构建一个集成科学发现平台。
SciForge 是一个开源的、AI原生的多模态科学发现工作台，集成了搜索、推理、工作流执行和证据治理功能，通过八个端到端用例（包括基因发现和蛋白质设计）进行了展示。
本文介绍了一种名为Mycelium的主动共享工作空间，它能够自动连接研究人员和AI代理，在团队科学中实现网络智能，并在多组学活动中进行了评估。
Google DeepMind 的文章探讨了 AI 智能体如何通过生成假设和设计实验来变革科学发现，同时指出了日益严重的验证瓶颈，并为政策制定者和资助者提出了优先事项。
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。
一篇预印本论文认为，AI 可以映射已知的生物学，但无法执行“种类形成”——即创造新的变量和约束——这需要人类科学家的具身参与。作者提出了一套课程体系，旨在培养科学家成为“未参数化检测器”，以在生物发现中补充 AI 的能力。
GAE 引入了一个结合图神经网络、强化学习和 LLM 微调的框架，以克服进化程序搜索中的瓶颈，在复杂非线性振荡器系统的符号回归上实现了最先进的性能。
一位名为Yuji Tachikawa的物理学家正在使用Claude Fable（一种AI模型）在数学物理学方面取得进展，引发了对AI辅助科学发现新时代的讨论。
本文介绍了面向LLM代理的假设演化协议（HEP），该协议使假设生成、测试和信念更新变得明确且可审计。在材料科学任务上的实验表明，配备HEP的代理能够泛化到不同研究问题，并且随着基础LLM能力的增强而变得更有效。