AI 与科学前沿 · 2026-09-16

本文在简单图上为对数凹Holant问题建立了不依赖最大度数的谱独立性上界，并由此得到单体-二聚体模型在活度λ下Glauber动力学的弛豫时间O_λ(m)、b-匹配在逸度λ>0下的O_{b,λ}(m)，以及均匀b-匹配的O(bm)，其中m为边数。

这是一篇由《Proofs and Prompts》博客编辑撰写的客座文章，介绍了该社区博客的创办缘由与目标：在数学界围绕人工智能的讨论日益升温之际，为缺乏发声平台的数学家（尤其是博士生等群体）提供一个集体发声与辩论的空间，并报告了创办约一个月后作者群体涵盖博士生、本科生、菲尔兹奖得主与爱好者，以及投稿立场从呼吁暂停AI到认为AI参与不足等多元观点，同时指出作者背景在LLM经验、地域和性别上仍显集中，呼吁更多人投稿。

NVIDIA 在 MLPerf Inference v6.1 中首次提交 Vera Rubin NVL72 预览结果，在 Qwen3-VL 上吞吐量最高达 GB300 NVL72 的 3.7 倍、在 DeepSeek-R1 上最高达 2.5 倍，同时 GB300 NVL72 以 288 GPU 四机架实现 99% 扩展效率，软件优化较 v6.0 提升最高 1.6 倍。

Emerald AI、Google 与 NVIDIA 宣布成立 AI Energy Management Alliance（AEMA），这是一个汇聚 AI 与电力全价值链的联盟，主张以技术中立、基于性能的方式让数据中心动态管理用电，从而加快并网、增强电网可靠性并保护电价可负担性。

OpenAI发布了一篇介绍其AI驱动广告体验的文章，涵盖Sponsored Agents、面向营销人员的工具以及与HubSpot和Shopify的集成，旨在探索广告在AI时代的新形态。

这篇由MIT Technology Review Insights制作、与Syensqo合作的对谈文章，记录了Syensqo首席技术与创新官Mike Finelli的观点：AI正把半导体和数据中心推向物理极限，从而对先进材料提出更多叠加要求，而Syensqo一方面开发高压数据中心架构材料、半导体制造密封材料与直接浸没冷却流体等方案，另一方面与微软合作使用AI智能体对海量候选分子进行数字化合成、基于物理的模拟预测与排序，把实验室合成范围从数百万个候选缩小到约一百个，并主张把可持续性纳入研发起点。

这是一期 MIT Technology Review 的每日通讯《The Download》，汇总了多条科技动态，其中重点包括：一项以超大规模云厂商到 2027 年近 1.1 万亿美元数据中心支出为起点、推算其盈利需多快增长才能在 2030 年前收支平衡的金融分析，以及 OpenAI Foundation 宣布资助政策分析师 Ruxandra Teslo 提出的、通过破产程序获取失败生物科技公司监管文件与安全数据以构建“生物科技失落档案”式科学数据集的构想。

这篇 OpenAI 文章介绍如何借助 ChatGPT Work 与 Codex 的分析功能，帮助团队了解 AI 的使用情况与支出、识别培训需求，并把 AI 采用情况与业务成果联系起来。

Mistral 与 Mozilla 宣布合作，由 Mistral 模型为 Firefox 的 AI 浏览助手 Smart Window（测试版）提供支持，先在法国和北美上线，英国和德国预计今年晚些时候跟进，并强调开源分发、按地区语言与方言微调、默认不保存对话与零数据留存，以及把主权 AI 带给普通用户。

OpenAI 经济研究发布的一项分析指出，工作者正在把 AI 用于传统岗位职责之外的用途，并识别出其中哪些新活动会逐渐成为其日常工作中反复出现的固定环节。

曼彻斯特大学物理学家 David Topping 与 Hao Zhang 联合 NVIDIA Earth-2 团队，将原本用于天气的生成式模型迁移到空气质量预报：他们用一年英国逐小时化学-气候模拟数据训练 Earth-2 CorrDiff 生成式降尺度模型，在 Isambard-AI 单个八 GPU 节点上两天完成训练，得到 2-3 平方公里分辨率的英国全境污染模型，并加入 Earth-2 StormCast 实现直接使用空气质量观测的时间依赖预报，同时演示了在 DGX Spark 桌面 AI 系统上运行推理与小型训练，团队计划开源训练数据与工作流以便其他国家与地区训练本地模型。

该工作采用GaAs半导体工艺制备了芯片级微波衍射神经网络（MDNN），通过级联耦合器与移相器在毫米级尺寸内实现衍射网络，将传统MDNN尺寸缩小四个数量级以上，计算延迟为2.05 ns，系统级能效为0.83 TOPS/W，并在MNIST手写数字识别、多用户干扰抑制和无人机实时障碍感知三个原型任务上取得超过86%的准确率，验证了该芯片在微波域直接进行数字图像处理与原位电磁信息处理的能力。

该研究通过名义群体技术（2025年5月，n=6）与两轮改良德尔菲法（2026年4月至5月，专家组n=13，来自12家学术医学中心，第一轮应答率77%、第二轮100%）构建了美国首个专科特异性的急诊医学AI能力框架，最终形成5个主题（沟通AI、理解适用场景、与AI互动、AI风险管理、AI的认知影响）、5项派生能力（主题与能力一对一映射获13人中12人认可）、19个子主题和10个保留临床场景，所有主题、派生能力及被单独评分的子主题均达到预设共识阈值，10个场景中9个达到共识、1个作为未来态运行模型保留。

这篇叙述性综述通过检索PubMed与ScienceDirect（2016—2026年，另加2013—2026年临床研究专题检索）并补充FDA、EMA、Cochrane Library等监管与行业文献，梳理了医疗器械从早期设计、临床研究、监管审评到上市后监测、软件变更管理、网络安全与AI/ML器械监管的全生命周期安全问题，指出器械安全需要比药品更广的社会技术框架，并强调安全证据正从回顾性、被动报告转向实时、主动、基于全生命周期的证据生成。

这篇综述系统梳理了面向语言模型的混合精度量化框架（MXPLMs），先回顾量化基础（均匀与非均匀量化器、量化粒度、训练后量化方法），再按比特分配策略以及权重、激活与键值缓存的精度配置对近期框架进行分类比较，并对比早期深度神经网络混合精度方法，指出可迁移的策略与在语言模型场景中面临挑战的策略，最后总结硬件感知设计、激活量化与十亿参数级模型可扩展优化等开放问题。

该复现包为Bauer（2026）的论文提供完整可验证材料：论文研究当生成式AI使产出本身不再具有信息量时，责任承诺何时仍能证明提供方保留了人类后备能力，并用四项法律原语把公布的责任上限与约定赔偿条款映射为留存风险，给出低类型在零处混同、中间类型在锚定于F的日程上分离、高类型可能在顶棚处混同的消息集合{0}∪[F,C]，以及在法律移除零风险区间时分离从最低类型开始的结果。

这篇综述指出，微生物多样性支撑人类健康、农业生产力、生态平衡与生态系统功能，并梳理了微生物组在人类肠道免疫调节与代谢、疾病预防中的作用，以及在陆地生态系统中植物、真菌、细菌与土壤微生物互作对碳固存、养分循环、抗逆性和可持续农业的贡献，同时评述了精准益生菌、后生元、粪菌移植与个性化微生物组医学等新兴疗法，以及多组学技术、合成微生物基因组、微生物组工程与人工智能推动的农业、环境修复和医学应用，并指出生态复杂性、长期验证、标准化与田间规模化应用等尚存问题，强调保护微生物多样性对生态韧性与One Health框架的意义。

这篇综述系统梳理了鼻咽癌（NPC）现有随访方案与最新进展，一方面比较分析了主要随访指南中的随访频率、影像学手段（MRI、PET）、血浆EBV-DNA监测与功能评估，另一方面阐述了基因组学、影像组学和人工智能在NPC监测中的应用前景与研究进展，并指出基于条件生存模型等风险分层的个体化随访策略可提升监测的成本效益，而影像组学与人工智能在复发风险评估、预后分层和个体化监测方面展现出潜力。

该研究以20个标准化老年药物治疗情景（虚构72–88岁老年人，覆盖四个临床领域，每个情景含三种潜在不适当用药和一项START类遗漏，锚定AGS Beers标准与STOPP/START第3版）让GPT-5.2、Claude Sonnet 4.5和Gemini 3 Pro在相同主提示与默认终端设置下作答，由两名对模型身份设盲的老年医学专家用100分评分表（输出质量0–80分、关键安全风险优先级0–20分）独立评分，发现第一阶段条目层面与答案要点的一致性普遍很高、模型间区分度有限，而专家评定的总分存在显著差异（p<0.001；Kendall's W=0.700），Gemini 3 Pro最高（97.93±2.33）

这篇综述针对锂离子电池首次循环与长期运行中的活性锂损失问题，建立了基于锂补偿机制的富锂正极补偿剂（LRCs）分类框架，涵盖二元、三元、过锂化、牺牲型锂盐与缓释型五类，系统梳理其工作原理、电荷补偿路径与实际性能，讨论空气不稳定性、产气、高脱锂电压与加工问题，并归纳纳米化、表面包覆、缺陷与掺杂设计及电解液优化等缓解策略，进而提出将一次性预锂化与持续释锂相结合的多模式协同补偿策略以及AI驱动的正极、负极与电解液协同优化思路。

该工作以多智能体抽取流程从5,597篇文献中整理出腐蚀抑制剂数据集，包含经人工核验的IE_datasets.xlsx、由大模型抽取的json_extracted.zip以及用于建模的IE_PH_4_materials.xlsx，字段覆盖文献信息、抑制剂名称与组成、阳极/阴极/混合类型、成膜机制、SMILES、腐蚀材料及其牌号与热处理、腐蚀介质与浓度温度、以及测试温度、时间、抑制剂浓度、测试方法与缓蚀效率百分比。

这篇综述提出并梳理了一套面向中枢神经系统肿瘤的临床试验新框架，包括主方案设计、贝叶斯自适应框架、将试验作为嵌入纵向组织取样与窗口机会设计及多组学分析的主动发现平台，以及去中心化试验与人工智能工具，主张把临床试验重塑为动态、生物学整合、基于学习的系统，而非对单一药物的静态检验，以加速神经肿瘤学的治疗进展。

该文指出，人工智能在加速药物发现的同时也带来了监管缺口，目前已有超过100个AI辅助研发管线进入临床试验，而现有框架缺乏可执行的统一标准；作者据此提出一个风险分级框架，将“发现型AI”与“证据生成型AI”区分开来，要求在AI影响决策时强制开展影响评估并进行新药临床试验申请（IND）披露，从而把指南转化为具有约束力、与风险相称的监管。

这篇叙述性综述通过检索 PubMed/MEDLINE、Scopus 与 Web of Science，梳理了人工智能在耳鼻咽喉头颈外科各亚专科中的临床应用，指出深度学习在鼻窦疾病检测、图像自动分割、淋巴结转移预测、甲状腺结节分类及头颈肿瘤预后建模等方面显示出潜力，多模态系统与生成式大语言模型亦在医学教育、影像解读、鉴别诊断与临床决策支持中初现应用，但外部验证不足、回顾性设计、数据集异质性、算法偏倚、透明度欠缺、隐私与医疗法律不确定性以及自动化偏倚风险仍限制其广泛落地，因此作者认为人工智能目前更适合作为辅助工具，尚需前瞻性多中心研究与标准化验证框架。

该研究使用零样本大语言模型流程（Gemini 3.5 Flash 与 Claude Haiku）从 MIMIC-IV 中 1,507 名结直肠癌患者的 2,728 份出院记录里提取 46 种症状，基于 phi 相关（≥0.10）与 Louvain 社区检测构建患者层面症状共现网络，两种模型均收敛于三个临床可解释的症状群——全身性、结直肠癌疾病特异性与胃肠道症状群，且全身性症状群负担与院内死亡（OR=1.33）和 1 年死亡（OR=1.41）相关、结直肠癌疾病特异性症状群负担与 30 天再入院（OR=1.20）相关，这些关联在调整转移性疾病后依然稳健。

该研究以脉络膜分割为原型任务，在80名受试者的6,076张OCT B扫描上系统比较标量无参考图像质量指标（BRISQUE、NIQE、PIQE、SNR、PSNR）、通用ImageNet预训练表征与视网膜基础模型作为任务特异性质量门控信号，发现标量指标与分割Dice相关性极弱（|r|<0.20），通用预训练表征线性探针ROC-AUC最高约0.77，而OCT特异性基础模型RETFound达到约0.81，且仅视网膜基础模型的嵌入空间在无监督K-Means下产生超过患者级置换零分布的按质量对齐聚类。

该研究提出HyLnc框架，先用掩码语言建模在大型后生动物RNA序列语料上预训练一个定制的BERT模型，再在长链非编码RNA与蛋白编码转录本数据集上微调并提取256维深度嵌入，同时计算348个手工特征（含ORF特征、UTR属性、核苷酸组成与Fickett分数），经多阶段特征选择后由多种机器学习分类器评估，其中随机森林表现最佳，在独立验证集上取得91.30%准确率、91.23% F1分数与82.60 MCC，优于若干现有lncRNA预测工具。

该工作提出 nanorepertoire——一个专用于骆驼科 VHH 纳米抗体库的端到端 Nextflow DSL2 流程，将双端 AIRR-seq FASTQ 数据经质控、接头修剪、读段合并、计算机翻译、CD-HIT 克隆分型与 nanoCDR-X 深度学习 CDR3 注释，输出包含克隆结构、CDR3 长度与氨基酸组成、克隆内均一性、库多样性及运行碳足迹的交互式 HTML 报告，并在两个公开的 SARS-CoV-2 RBD 筛选羊驼文库（共 480 万双端读段）上于 16 vCPU 云实例 59 分钟内完成，回收 41,363 个不同 CDR3 抗原结合位点，重现了筛选后克隆多样性收缩的预期现象。

该研究对270例疑似急性心肌梗死患者的院前急救场景中采集的615份心电图进行回顾性分析，以心内科实际启动STEMI通路作为参考标准，比较三种多模态大语言模型与心电图机算法的判读表现，发现Gemini敏感度最高（95.3%）但特异度极低（9.4%），ChatGPT与Claude敏感度中等（68.1%与67.2%）且特异度有限（42.3%与46.5%），而心电图机算法敏感度67.7%、特异度64.2%，表现更为均衡，提示通用大语言模型在时间敏感的急诊流程中不适合用于基于心电图的导管室启动决策。

该研究利用两项三期试验共2918名参与者的统一临床数据，从基线到治疗结束按月训练表格数据模型，对治疗结束（EOT）结局和治愈后复发进行时变预测，发现EOT结局预测在第3个月后改善（ROC-AUC最高0.84，主要由痰涂片和固体培养驱动），而复发预测仅在第3个月内有小幅提升（ROC-AUC 0.58-0.63）随后下降，年龄、性别、临床症状和细菌负荷贡献最大；基于大语言模型嵌入的模型在复发预测上与表格模型相当，在第3和第4个月优于表格EOT模型（ΔROC-AUC 0.12和0.14），纵向建模和稀疏变量纳入仅在4-6个月改善复发预测（ΔROC-AUC 0.09、0.19和0.12）但可解释性降低；纳入

这篇综述提出将多药耐药（MDR）从传统的单基因机制模型重新理解为一种复杂且不断演化的系统性适应性耐药现象，并系统梳理了经典耐药机制（药物摄取/外排、代偿性通路激活、凋亡逃逸）、非遗传性耐药机制（药物耐受持留细胞DTPs、上皮-间质转化EMT、癌症干细胞CSC可塑性及其相关因素）、这些机制之间的相互作用如何共同促成肿瘤持续存在与MDR演化，以及转化医学障碍与新兴药理策略（包括纵向分子监测和人工智能辅助的耐药预测）。

该研究对2020至2024年共792道骨科住院医师培训考试（OITE）题目（其中434道含临床图像、358道不含图像）进行问题成分消融，评估三个开源Ministral-3模型（3B、8B、14B）与五个专有模型（Claude Haiku-4.5、Sonnet-4.6、Opus-4.8、GPT-5.6 Luna、GPT-5.6 Terra），发现含图像题在完整信息下汇总准确率为59.13%（58.21-60.08），去掉图像后仍为59.13%（58.18-60.11），而去掉临床病例描述后降至49.05%（48.07-50.00）；不含图像题从完整临床背景的72.94%（72.10-73.85）降至去

这篇由Peter Dueben、Peter Bauer、Oliver Fuhrer、Nikolay Koldunov和Jørn Kristiansen撰写的文章指出，在机器学习已能产出与复杂传统系统预报技巧相当的天气预报之后，应把注意力从预报输出转向支撑预报系统的工作实践，并论证机器学习与近期数字技术将重塑预报价值链的各个环节——模型如何编码与开发、观测与地球系统数据如何被利用、数据与算力如何管理、系统如何被检验，以及信息如何被创造、评估并转化为服务；文章讨论了六个非穷尽的方向，其中智能体软件工程、开放与压缩数据、共享检验工作流、交互式计算和生成式方法可能使建模、评估与服务创建更快、更具交互性且更易获得

这篇综述回顾了2016至2026年间传染病对输血服务的影响，梳理了献血者筛选、检测与病原体减少技术方面的创新，盘点了寨卡病毒、疟原虫、巴贝虫和SARS-CoV-2等新发与再发病原体，并指出个体化风险评估、献血者延迟政策放宽以及人工智能与机器学习在监测和威胁预警中的应用等进展，同时强调这些改善在低收入和中等偏下收入国家尚未普及。

OPTIMUST是一项前瞻性单中心实施研究，在心脏科与非心脏科病房由未取得正式超声心动图认证的医师完成两个月结构化培训后，使用Caption AI赋能的手持超声进行聚焦检查，287次尝试中206次（71.8%）图像可分析，操作者对左室射血分数的评估与专家对同一手持图像集的复核相关（r=0.84），充盈压分类的二次加权κ为0.659，93.7%的检查中医生报告手持超声结果改变或确认了处理方案，32.8%在一个月内接受了全面超声心动图检查。

该研究在耶鲁纽黑文健康系统三家医院共1,412份心导管操作记录上，用人工标注作为参考标准，评估了三个开源大语言模型（Llama 3.3 70B、Meditron-7B、BioMistral-7B）识别经皮冠状动脉介入治疗（PCI）报告并抽取六项复杂PCI特征的能力，结果显示Llama 3.3 70B在多数任务上优于两个较小的医学领域模型，PCI识别达到100.0%敏感度、93.8%特异度、96.4%准确度和95.9% F1，复杂PCI分类在590份可评估报告中达到97.7%敏感度、80.1%特异度、57.6%阳性预测值、99.2%阴性预测值和83.9%准确度，且在明确记录的变量（如支架数量和支架长度）上

该研究以阿尔茨海默病及相关痴呆（ADRD）家庭照护者为情境，结合在线社区中的人类同伴支持对话与三个大语言模型（LLaMA、GPT-4o-mini、MedGemma）在“类同伴”提示下生成的回应，通过心理语言学分析与质性分析比较人类同伴与AI如何使用个人叙事，发现人类同伴回应中第一人称与过去时导向语言显著多于类同伴AI回应，并归纳出人类同伴支持中七类个人叙事，指出AI常能复现其中的情感工作却可能虚构经历依据，从而提出“叙事真实性差距”与“合成亲身经历悖论”。

该研究开发并部署了一套基于Transformer的自然语言处理流程，从2017年7月1日至2023年9月30日梅奥诊所各院区115683名无既往甲状腺疾病成人的甲状腺相关影像报告中识别偶发甲状腺发现，发现7.8%的患者存在此类发现（其中92.9%为结节性），且这些发现与后续甲状腺结节诊断、活检、甲状腺切除及甲状腺癌诊断的更高比值比相关，多数癌症为乳头状癌。

这篇综述聚焦胶质母细胞瘤的液体活检，指出组织活检具有侵入性且难以捕捉肿瘤异质性与时间动态，而液体活检可通过血浆、脑脊液、尿液和唾液中的游离DNA、循环肿瘤DNA、循环肿瘤细胞和细胞外囊泡等循环生物标志物实现无创实时监测，并提出超越既往生物标志物清单的量化技术评分卡，从灵敏度、临床可操作性、成本和可扩展性比较cfDNA、CTC和EV平台，同时引入多模态决策矩阵和人工智能驱动的融合流程，整合片段组学、EV蛋白质组学和CTC转录组学，以增强微小残留病灶检测并指导精准神经肿瘤学。

该研究系统检索并汇总了445项研究，发现术前社会连接较弱与术后早期死亡（OR 1.50，95% CI 1.12-2.01）和非家庭出院（OR 1.95，95% CI 1.35-2.81）相关，但与术后生存、非计划再入院和并发症的关联置信区间均包含1，总体证据确定性为低至极低。

这篇综述系统梳理了致病性利什曼原虫中15个MAPK同源物，将各成员与寄生虫分化、胞内存活、应激耐受、运动性、毒力及药物反应相关联，并区分了经实验验证的机制性靶点与计算预测的候选靶点，同时评估了小分子与天然产物抑制剂、药物重定位、结构导向策略以及分子动力学、AlphaFold建模、人工智能和纳米技术的应用，并指出MAPK10作为疫苗相关抗原的证据。

该工作提出 AlphaBridge，一个结合 AlphaFold3 置信度指标、可对参与二元相互作用的序列基序及其在复合物三维界面中的分布进行聚类，并通过弦图、网络图和汇总表可视化置信范围内的相互作用界面、同时提供网页服务器版本的可复现自动化工具包，作者用二元与多组分蛋白复合物对其评分能力进行了验证并讨论了实际使用案例。

该文总结了由 Kaiser Permanente 牵头、Gordon and Betty Moore Foundation 资助的“医学与医疗保健增强智能计划”（AIM-HI）通过全国多阶段结构化评分评审选出的 5 个资助项目（分别涉及脓毒症管理、静脉血栓栓塞风险评估、糖尿病视网膜病变筛查、心脏淀粉样变性检测和儿童哮喘风险预测）的跨项目早期经验，指出在多样化临床环境中真实世界 AI 部署是可行的，但常见挑战包括电子健康记录整合、数据复杂性、监管要求与临床工作流程差异，而成功关键在于将工具审慎整合进临床环境、与利益相关方建立牢固伙伴关系，以及持续评估与监测。

该研究使用 AlphaGenome 与 AlphaMissense 对来自癌症基因组图谱（TCGA）8,800 名患者、33 种癌症类型的体细胞突变进行扰动量化，发现复发性热点突变在蛋白层面预测效应更强，而非热点突变在多数癌症类型中调控效应更大；将变异层面预测聚合为患者-基因扰动谱后，这些谱具有基因与模态特异性，反映组织来源、癌症类型与微卫星不稳定性状态，并保留超出肿瘤突变负荷的信息；在缺乏复发性热点突变的患者中，更高的预测扰动与总生存相关，其中染色质可及性信号最强且最一致，在独立治疗注释队列中基因层面扰动也与治疗定义亚组内的生存相关。

该研究将整合了基于剂量学评分的射束角度选择、多模态引导剂量预测与功能引导剂量模拟的AP-FLART系统在RayStation中实施，并用33例接受SPECT通气或灌注成像的肺癌患者数据评估，结果显示自动FLART计划较手动常规放疗计划显著降低高功能肺平均剂量15.1%，在FLART获益患者中把≥2级放射性肺炎概率降低6.25个百分点（27%），临床收益与手动FLART计划相近，且87.9%的自动计划无需修改即可被临床接受，计划时间从2-3小时缩短至约8分钟。

本文建立了一个基于连续介质的反应扩散模型，用以刻画XIST介导的基因沉默在染色体上的传播，发现XIST的扩散可由调控其合成与降解的已知负反馈环路调节，而基因沉默的传播则由沉默复合物的全局调控与局部表观遗传调控因子共同驱动的波钉扎机制所控制，并结合由实验数据推断的三维染色体结构展示了沉默传播的时空调控。

该研究更新了自动化肿瘤浸润淋巴细胞（TIL）评估流程，提出对齐临床评分指南的TRIGS与基于基础模型的SAM-TIL，并在TransNEO队列166例新辅助治疗患者中显示二者预测病理完全缓解的比值比分别为1.95（95%置信区间1.22-3.03，p=0.005）和2.32（95%置信区间1.43-3.77，p=0.001），在癌症基因组图谱277例三阴性与HER2阳性患者中总生存风险比分别为0.79（95%置信区间0.63-1.00，p=0.05）和0.80（95%置信区间0.67-0.97，p=0.02），与金标准临床评估的相关性为0.59-0.69，且在预测病理完全缓解（AUC 0.60-

该工作提出 Retrieve-for-Train 框架，先用离线强化学习训练一个扇出语言模型（基于 Gemma3-4B 与 Qwen3-4B，每次生成 10 个子查询），以 groundedness、Vendi Score 多样性、对齐度三项复合奖励评估整组结果，再把该行为蒸馏进一个 53.9M 参数的扩散检索器，使其在连续嵌入空间中一次非自回归并行生成完整目标集合，从而在开放式抽象检索与弱监督组合检索两类任务上超过单查询检索、零样本扩展与 Best-of-N 基线，并相对自回归方法取得 12 至 20 倍加速。

据《自然》新闻报道，Paper2Agent 可读取一篇论文的正文、代码与数据集，将其放入 MCP 服务器，并由一组 AI 智能体自动构建能对该论文方法加以应用的工具，从而生成一个可用自然语言对话的“虚拟通讯作者”；报道称其在约 45 分钟内、以 14 美元算力成本为 AlphaGenome 论文生成智能体，该智能体在遗传学问题上接近满分，并优于包括 Biomni 在内的其他生物医学 AI 智能体，还被用于重新评估某个与“坏”胆固醇相关的 DNA 单字母变异所指向的因果基因，得出与原始论文不同的候选基因。

该研究通过基因工程使小鼠大脑皮层前体细胞不能存活、从而腾出脑腔空间，再将人脑组织植入新生小鼠，结果显示移植组织在两到三个月内扩张近五倍、填充超过90%的空腔并向小鼠脊髓深部发出投射，同时发育出包括类似von Economo神经元在内的特化神经元，而行为测试未显示小鼠智力增强。

该证据包以一篇Nature新闻特写与两篇bioRxiv预印本，报道了阿斯加德古菌（Promethearchaeota）培养进展：活细胞显微显示Loki与Hodarchaea谱系细胞在分钟尺度上剧烈改变形态、以1.5至5.3微米/分钟伸缩突起并在玻璃表面爬行，且肌动蛋白抑制剂可阻断这些动态；同时首次培养出感染Ca. Lokiarchaeum ossiferum B36新菌株的阿斯加德古菌病毒，其16 kbp整合型原病毒可切出并独立复制形成病毒颗粒，被归入新科Fylgjaviridae，宿主携带Septu、Wadjet与II型CBASS等抗病毒防御系统。

该研究结合质谱、RNA测序与核糖体图谱分析608份阿尔茨海默病患者与非患者的死后背外侧前额叶皮层样本，鉴定出4,321种微蛋白（其中3,217种未见于UniProtKB/Swiss-Prot标准人类蛋白目录），并用深度学习模型对3,001种微蛋白的质谱鉴定置信度排序，其中1,067种获高置信度评级，同时发现数十种微蛋白在阿尔茨海默病患者中表达改变，构建了迄今规模最大的阿尔茨海默病微蛋白图谱并公开数据。