AI 与科学前沿 · 2026-11-01

一个由大语言模型智能体分工协作的自主实验室，在金刚石氮-空位色心自旋系综上研究“预测任意相位控制微波脉冲序列响应所需的最少校准次数”。主智能体把原先91次的上界收紧为10次的精确最小值；首次实验虽满足全部十项预设精度判据，却因相位与参考对照失败被判为不确定，智能体在不放宽判据的前提下修改采集协议，最终测量支持理论预测，而两种插值方法预测为零。

一个由大语言模型智能体分工协作的自主实验室，在金刚石氮-空位色心自旋系综上研究“预测任意相位控制微波脉冲序列响应所需的最少校准次数”。主智能体把原先91次的上界收紧为10次的精确最小值；首次实验虽满足全部十项预设精度判据，却因相位与参考对照失败被判为不确定，智能体在不放宽判据的前提下修改采集协议，最终测量支持理论预测，而两种插值方法预测为零。

密度泛函理论的核心变量是电子密度，而求得它通常要反复迭代到自洽。SwinUNETR-V2与无注意力版本NeXtUNETR这两类受Transformer启发的网络直接预测电子密度，在QM9上密度归一化平均绝对误差分别为0.075%和0.046%。对NeXtUNETR，用预测密度做一次Kohn-Sham步骤即可复现自洽电子结构，总能量中位误差0.036 meV、力0.65 meV/angstrom、HOMO-LUMO能隙1.8 meV。

密度泛函理论的核心变量是电子密度，而求得它通常要反复迭代到自洽。SwinUNETR-V2与无注意力版本NeXtUNETR这两类受Transformer启发的网络直接预测电子密度，在QM9上密度归一化平均绝对误差分别为0.075%和0.046%。对NeXtUNETR，用预测密度做一次Kohn-Sham步骤即可复现自洽电子结构，总能量中位误差0.036 meV、力0.65 meV/angstrom、HOMO-LUMO能隙1.8 meV。

Perplexity发布pplx-embed-v2-context系列上下文嵌入模型，用查询感知的上下文压缩模型蒸馏出分级的块级相关性，替代需要大模型逐条标注的黄金块标签，训练目标也不再绑定切块方式。9B版本在context-bench的Answer@10上比最强基线voyage-context-4高14.4个百分点，并在Q2D-Chunk与ConTEB上取得最优；0.6B版本与9B共享嵌入空间，可用小模型查询9B建立的索引。

Perplexity发布pplx-embed-v2-context系列上下文嵌入模型，用查询感知的上下文压缩模型蒸馏出分级的块级相关性，替代需要大模型逐条标注的黄金块标签，训练目标也不再绑定切块方式。9B版本在context-bench的Answer@10上比最强基线voyage-context-4高14.4个百分点，并在Q2D-Chunk与ConTEB上取得最优；0.6B版本与9B共享嵌入空间，可用小模型查询9B建立的索引。

平面超对称杨–米尔斯理论库仑支上的四点振幅此前只在两参数质量构型下有过变形振幅体描述。这项工作把外部质量运动学编码为六参数嵌入空间格拉姆矩阵，用其逆矩阵的余正性判定哪些代数交点能进入实正区域，从而把两圈典范形式的分子限制在两个平面双箱结构张成的空间内。在三参数子族中，一、二圈积分以多重对数函数解析给出，红外对数在二圈仍指数化，并定出了行走反常维数两圈系数。

平面超对称杨–米尔斯理论库仑支上的四点振幅此前只在两参数质量构型下有过变形振幅体描述。这项工作把外部质量运动学编码为六参数嵌入空间格拉姆矩阵，用其逆矩阵的余正性判定哪些代数交点能进入实正区域，从而把两圈典范形式的分子限制在两个平面双箱结构张成的空间内。在三参数子族中，一、二圈积分以多重对数函数解析给出，红外对数在二圈仍指数化，并定出了行走反常维数两圈系数。

大模型把部分事实知识存进按前文词串检索的哈希表，低比特量化会先丢掉长尾事实，而按访问频率给常用行更高精度反而比随机选择更差。GateRQ把每行存成逐级细化的残差码，先用1比特码算出每个查询的门控，再只给门控排名靠前的查询读取更深层。在DeepSeek-V4.1-Flash上，它把每GPU表显存从23.6 GiB降到3.04 GiB，vLLM吞吐在两种负载下比FP8表常驻显存分别高约11%和约31%，PopQA在1.50比特/查询时比FP8低约1个点。

大模型把部分事实知识存进按前文词串检索的哈希表，低比特量化会先丢掉长尾事实，而按访问频率给常用行更高精度反而比随机选择更差。GateRQ把每行存成逐级细化的残差码，先用1比特码算出每个查询的门控，再只给门控排名靠前的查询读取更深层。在DeepSeek-V4.1-Flash上，它把每GPU表显存从23.6 GiB降到3.04 GiB，vLLM吞吐在两种负载下比FP8表常驻显存分别高约11%和约31%，PopQA在1.50比特/查询时比FP8低约1个点。

T细胞受体能否识别特定抗原，长期要靠结合实验或四聚体染色逐一确认。研究者改用AlphaFold 3预测肽-MHC-受体三元复合物，并取受体与肽-MHC界面上的预测对齐误差作为打分。在未参与训练的高质量留出集上，按抗原区分的ROC曲线下面积中位数为0.92（I类）和0.81（II类），比此前的AF2多聚体模型高0.24至0.33。

T细胞受体能否识别特定抗原，长期要靠结合实验或四聚体染色逐一确认。研究者改用AlphaFold 3预测肽-MHC-受体三元复合物，并取受体与肽-MHC界面上的预测对齐误差作为打分。在未参与训练的高质量留出集上，按抗原区分的ROC曲线下面积中位数为0.92（I类）和0.81（II类），比此前的AF2多聚体模型高0.24至0.33。

在半随机篡改的距离度量中，每条点对距离以固定概率被对手任意改写，算法只能看到被篡改后的距离。针对只增、只减和任意增减三种篡改方向，分别给出多项式时间或拟多项式时间的近似算法，其中一般篡改下达到对数因子近似，与既有下界在信息论意义上吻合，且全程不查询真实距离。

在半随机篡改的距离度量中，每条点对距离以固定概率被对手任意改写，算法只能看到被篡改后的距离。针对只增、只减和任意增减三种篡改方向，分别给出多项式时间或拟多项式时间的近似算法，其中一般篡改下达到对数因子近似，与既有下界在信息论意义上吻合，且全程不查询真实距离。

SymAnt把场景图与知识图谱合并成一张联合图，用图搜索得到的符号上下文作为迭代解码的起点，从而在很短的观察窗口内预测较长的动作序列。在Breakfast与50 Salads的短观察设置中，它的平均类别准确率高于神经符号基线NeSCA和若干大模型基线；在EPIC-KITCHENS上，3M参数的模型与参数量达数十亿的微调大模型处于相近水平。由于预测锚定在可编辑的图上，用户可以在推理时增删节点来改变预测，无需重新训练。

SymAnt把场景图与知识图谱合并成一张联合图，用图搜索得到的符号上下文作为迭代解码的起点，从而在很短的观察窗口内预测较长的动作序列。在Breakfast与50 Salads的短观察设置中，它的平均类别准确率高于神经符号基线NeSCA和若干大模型基线；在EPIC-KITCHENS上，3M参数的模型与参数量达数十亿的微调大模型处于相近水平。由于预测锚定在可编辑的图上，用户可以在推理时增删节点来改变预测，无需重新训练。

Ai2发布“Old Ideas, Novel Problems”研究、基准与数据管线，考察大语言模型能否判断研究想法的新颖性。六个模型在只改提示词、检索、推理预算等单一设置时判断大幅波动：GPT-5.4在人类与生成想法配对上准确率从93.5%降到40.9%，低于随机；专用新颖性评估系统也不比简单提示的Claude Opus 4.6基线更准、更便宜。

Ai2发布“Old Ideas, Novel Problems”研究、基准与数据管线，考察大语言模型能否判断研究想法的新颖性。六个模型在只改提示词、检索、推理预算等单一设置时判断大幅波动：GPT-5.4在人类与生成想法配对上准确率从93.5%降到40.9%，低于随机；专用新颖性评估系统也不比简单提示的Claude Opus 4.6基线更准、更便宜。

深度网络在模加法任务上会先记住训练集、很久之后才突然泛化，这一现象被称为grokking。研究把训练轮次当作温度、权重衰减当作外场，用损失对每个神经元范数的二阶导数构造神经元之间的耦合，再按耦合图的Fiedler向量把神经元排成一维链，从而在原本没有空间结构的隐层上执行实空间重整化群。由这条链上的分块映射得到的五个临界指数，与从30次独立训练轨迹直接拟合的值相差1%–10%。

深度网络在模加法任务上会先记住训练集、很久之后才突然泛化，这一现象被称为grokking。研究把训练轮次当作温度、权重衰减当作外场，用损失对每个神经元范数的二阶导数构造神经元之间的耦合，再按耦合图的Fiedler向量把神经元排成一维链，从而在原本没有空间结构的隐层上执行实空间重整化群。由这条链上的分块映射得到的五个临界指数，与从30次独立训练轨迹直接拟合的值相差1%–10%。

多受试者空间转录组比较通常要先把组织划成解剖区域或聚类，再在固定区域内做差异表达检验，定位与检验因此分开。SpaceDX 改为在检验的同时为每个基因学习一组空间注意力权重，把各点的表达加权成伪批量，再放进分层贝叶斯逻辑回归做受试者层面的关联检验。在19只应激与19只对照小鼠的慢性社会挫败应激数据上，5%经验FDR下检出175个差异基因，比区域DESeq2的120个多45.8%；在阿尔茨海默病模型上两者单独检出数相近，合并后比单用DESeq2多19.1%。

多受试者空间转录组比较通常要先把组织划成解剖区域或聚类，再在固定区域内做差异表达检验，定位与检验因此分开。SpaceDX 改为在检验的同时为每个基因学习一组空间注意力权重，把各点的表达加权成伪批量，再放进分层贝叶斯逻辑回归做受试者层面的关联检验。在19只应激与19只对照小鼠的慢性社会挫败应激数据上，5%经验FDR下检出175个差异基因，比区域DESeq2的120个多45.8%；在阿尔茨海默病模型上两者单独检出数相近，合并后比单用DESeq2多19.1%。

TactoHand 把接触、接近距离和三维顶点力统一成手表面上的稠密场，只从单目视频推断，省去采集触觉数据所需的专用硬件。它用时间 Transformer 汇总跨帧视觉证据，并用可微刚体动力学把预测力与物体运动对齐。在未参与训练的 HOCap 上，其接触 Macro-F1 为 50.5，对比 HACO 的 18.0；物理监督把时间变体的滚动位置误差从 5.7 cm 降到 3.3 cm。

TactoHand 把接触、接近距离和三维顶点力统一成手表面上的稠密场，只从单目视频推断，省去采集触觉数据所需的专用硬件。它用时间 Transformer 汇总跨帧视觉证据，并用可微刚体动力学把预测力与物体运动对齐。在未参与训练的 HOCap 上，其接触 Macro-F1 为 50.5，对比 HACO 的 18.0；物理监督把时间变体的滚动位置误差从 5.7 cm 降到 3.3 cm。

同一批随机化发帖人资料的核查任务上，开源 Tülu-3 后训练配方让 OLMo-2 32B 与 Tülu-3 70B 对低职位发帖人的说法更常判为不实，效应不到一个百分点但统计可靠，且能通过训练漂移检验并在独立声明集上复现；Meta、阿里巴巴和 Mistral 的配方没有产生这一偏向。在 OLMo-2 32B 中，模型并未更注意职位，而是把低职位从推向“真”改为推向“假”，这一翻转由单一残差流方向承载，发生在监督微调阶段。七个已部署商用模型都没有表现出对低职位发帖人的额外怀疑。

同一批随机化发帖人资料的核查任务上，开源 Tülu-3 后训练配方让 OLMo-2 32B 与 Tülu-3 70B 对低职位发帖人的说法更常判为不实，效应不到一个百分点但统计可靠，且能通过训练漂移检验并在独立声明集上复现；Meta、阿里巴巴和 Mistral 的配方没有产生这一偏向。在 OLMo-2 32B 中，模型并未更注意职位，而是把低职位从推向“真”改为推向“假”，这一翻转由单一残差流方向承载，发生在监督微调阶段。七个已部署商用模型都没有表现出对低职位发帖人的额外怀疑。

区分中性演化、选择性清除、平衡选择和适应性基因渗入，一直是群体基因组学的难点，因为这些过程留下的单倍型痕迹彼此重叠。SHADES把单倍型频率、频率分布差异和单倍型间序列差异画成三类图像，在11、21、51个SNP三种窗口尺度上分别训练卷积网络，再把三个尺度的特征拼接起来做四分类。在模拟测试集上，深度版本SHADES[M2]的总体分类准确率为90.85%，高于同一测试中SURFDAWave的67.83%、diploS/HIC的68.30%、TrIdent的65.20%、FAST-NN的63.20%和FASTER-NN的79.43%。

区分中性演化、选择性清除、平衡选择和适应性基因渗入，一直是群体基因组学的难点，因为这些过程留下的单倍型痕迹彼此重叠。SHADES把单倍型频率、频率分布差异和单倍型间序列差异画成三类图像，在11、21、51个SNP三种窗口尺度上分别训练卷积网络，再把三个尺度的特征拼接起来做四分类。在模拟测试集上，深度版本SHADES[M2]的总体分类准确率为90.85%，高于同一测试中SURFDAWave的67.83%、diploS/HIC的68.30%、TrIdent的65.20%、FAST-NN的63.20%和FASTER-NN的79.43%。

少步数文生图要在极少采样次数里把提示中的细节画准，而分布匹配蒸馏（DMD）依赖学习到的分数差，统计量未必对齐。Intrinsic Distribution Matching 在保留完整 DMD 修正的同时，用生成器指数滑动平均副本的特征均值与逐坐标标准差加了一项矩约束，不需要外部特征编码器。在 Z-Image-Turbo 6B 上两次网络评估时，中文与英文 LongText-Bench 分别达到 94.25% 和 90.20%，为所比较方法中该预算下的最高分。

少步数文生图要在极少采样次数里把提示中的细节画准，而分布匹配蒸馏（DMD）依赖学习到的分数差，统计量未必对齐。Intrinsic Distribution Matching 在保留完整 DMD 修正的同时，用生成器指数滑动平均副本的特征均值与逐坐标标准差加了一项矩约束，不需要外部特征编码器。在 Z-Image-Turbo 6B 上两次网络评估时，中文与英文 LongText-Bench 分别达到 94.25% 和 90.20%，为所比较方法中该预算下的最高分。

流式联邦学习让客户端从不断到达的数据流训练共享模型，但数据流往往有时间相关性。针对客户端数据服从马尔可夫过程的情形，一项分析用信息论与率失真方法给出了聚合模型期望泛化间隙的上界，并把它专门化到线性与自注意力下一词预测。上界显示：通信轮数增多会以约√(R/N)的量级放宽泛化保证，而时间相关性以混合时间的平方根进入；TinyStories 上的 GPT 式预训练与 ETTh2 电力预测实验都观察到训练、测试损失随轮数下降而泛化间隙变宽。

流式联邦学习让客户端从不断到达的数据流训练共享模型，但数据流往往有时间相关性。针对客户端数据服从马尔可夫过程的情形，一项分析用信息论与率失真方法给出了聚合模型期望泛化间隙的上界，并把它专门化到线性与自注意力下一词预测。上界显示：通信轮数增多会以约√(R/N)的量级放宽泛化保证，而时间相关性以混合时间的平方根进入；TinyStories 上的 GPT 式预训练与 ETTh2 电力预测实验都观察到训练、测试损失随轮数下降而泛化间隙变宽。

Harmonic将原本用于研究数学的Aristotle扩展到软件与硬件形式化验证，首批支持C和Verilog。与只覆盖部分行为的代码审查和测试不同，它用机器可检验的证明判断指定性质是否在定义系统内的所有可能输入上成立，并从代码中提出待证性质、报告哪些被证明以及每条证明依赖的假设。在Tensordyne团队认为最难验证的模块中，它找到深达110000周期的缺陷；在LibTomMath上修复三个缺陷，并使模幂运算在基准中快31–38%，加速后的代码针对同一规格得到证明。

Harmonic将原本用于研究数学的Aristotle扩展到软件与硬件形式化验证，首批支持C和Verilog。与只覆盖部分行为的代码审查和测试不同，它用机器可检验的证明判断指定性质是否在定义系统内的所有可能输入上成立，并从代码中提出待证性质、报告哪些被证明以及每条证明依赖的假设。在Tensordyne团队认为最难验证的模块中，它找到深达110000周期的缺陷；在LibTomMath上修复三个缺陷，并使模幂运算在基准中快31–38%，加速后的代码针对同一规格得到证明。

跨声速后掠翼的静气弹耦合分析原本每轮迭代都要跑一次CFD，收敛一次平均约4小时。把流动求解换成直接由CAD几何预测翼面压力与壁面剪应力的全场物理模型后，同一耦合回路在单块T4显卡上8到11分钟收敛；三副翼型上两种回路都四轮收敛，预测的洗流升力损失相差0.2到0.8个百分点。

跨声速后掠翼的静气弹耦合分析原本每轮迭代都要跑一次CFD，收敛一次平均约4小时。把流动求解换成直接由CAD几何预测翼面压力与壁面剪应力的全场物理模型后，同一耦合回路在单块T4显卡上8到11分钟收敛；三副翼型上两种回路都四轮收敛，预测的洗流升力损失相差0.2到0.8个百分点。

入侵检测的告警不再由单个模型直接触发处置，而是先经多个独立公证智能体复核、在Hyperledger Fabric账本上以2/3法定票数共同签署后才放行。在CICIDS2017的类别均衡测试集上，校准集成对全部决策的准确率为96.60%，经拒绝门控后认证子集在87.3%覆盖率下达到99.65%准确率与0.04%误报率；在独立生成的GeNIS 2025语料上，同一套流程认证99.86%的流量、准确率99.98%。

入侵检测的告警不再由单个模型直接触发处置，而是先经多个独立公证智能体复核、在Hyperledger Fabric账本上以2/3法定票数共同签署后才放行。在CICIDS2017的类别均衡测试集上，校准集成对全部决策的准确率为96.60%，经拒绝门控后认证子集在87.3%覆盖率下达到99.65%准确率与0.04%误报率；在独立生成的GeNIS 2025语料上，同一套流程认证99.86%的流量、准确率99.98%。

医学影像分类的卷积网络解释图有了新的训练方式：SalientNet不依赖人工标注的显著图，而是要求生成的掩码保留足够信息，让冻结的分类器在受控容差内复现原预测。在BreakHis、Brain MRI ND5和FracAtlas三个数据集上，它相对Grad-CAM、Grad-CAM++和LIME在多数数据集与网络组合中取得更高的忠实度（Win %）和更低的预测下降（Drop %），并在FracAtlas上与医生标注的骨折区域呈现较强空间相关，ResNet-18的平均真值活跃比例最高达0.96。

医学影像分类的卷积网络解释图有了新的训练方式：SalientNet不依赖人工标注的显著图，而是要求生成的掩码保留足够信息，让冻结的分类器在受控容差内复现原预测。在BreakHis、Brain MRI ND5和FracAtlas三个数据集上，它相对Grad-CAM、Grad-CAM++和LIME在多数数据集与网络组合中取得更高的忠实度（Win %）和更低的预测下降（Drop %），并在FracAtlas上与医生标注的骨折区域呈现较强空间相关，ResNet-18的平均真值活跃比例最高达0.96。

Anthropic 为法律团队推出可直接使用、可自行调整并跨团队分享的 artifacts（交互式工具，如追踪表和仪表盘），并开设法律画廊，覆盖合同审查、法规变化追踪、业务法律请求受理等任务。此前法律团队最常提出的诉求是配置更简单、与同事协作更方便；每个 artifact 自带示例，用户先看工作如何成形，再接入自己的数据与连接器，每条答案或输出都附来源链接。

Anthropic 为法律团队推出可直接使用、可自行调整并跨团队分享的 artifacts（交互式工具，如追踪表和仪表盘），并开设法律画廊，覆盖合同审查、法规变化追踪、业务法律请求受理等任务。此前法律团队最常提出的诉求是配置更简单、与同事协作更方便；每个 artifact 自带示例，用户先看工作如何成形，再接入自己的数据与连接器，每条答案或输出都附来源链接。

KTH 团队发布 MAL Simulator，把网络攻防仿真建立在 Meta Attack Language 建模语言之上，更换目标域时不必改动仿真器源码。在基于 CRATE 靶场中 ADS-24 网络构建的 30 个场景上，训练出的强化学习攻击智能体在 15 个未见测试场景上的回报为 −301±10.3，优于广度优先、深度优先和随机搜索；在 1% 误报与漏报条件下，带噪声训练的防御智能体平均回报为 −60355±945，优于启发式防御的 −61653±914。但面对强化学习攻击者时，所有防御智能体的回报都明显下降。

KTH 团队发布 MAL Simulator，把网络攻防仿真建立在 Meta Attack Language 建模语言之上，更换目标域时不必改动仿真器源码。在基于 CRATE 靶场中 ADS-24 网络构建的 30 个场景上，训练出的强化学习攻击智能体在 15 个未见测试场景上的回报为 −301±10.3，优于广度优先、深度优先和随机搜索；在 1% 误报与漏报条件下，带噪声训练的防御智能体平均回报为 −60355±945，优于启发式防御的 −61653±914。但面对强化学习攻击者时，所有防御智能体的回报都明显下降。

多保真主动学习把“在哪里采样”和“用哪一档保真度”合并成一次决策，而不是先定位置再定保真度。MF-CAS 用分解后的不确定性区间衡量每个候选点的高保真改进机会与获取成本，在 14 维约束 DTMB 5415 船体水动力优化、100 等效高保真评估的预算下，阻力降幅超过单保真 LCB 基线，而多保真 LCB 基线相对初始设计几乎没有改善。

多保真主动学习把“在哪里采样”和“用哪一档保真度”合并成一次决策，而不是先定位置再定保真度。MF-CAS 用分解后的不确定性区间衡量每个候选点的高保真改进机会与获取成本，在 14 维约束 DTMB 5415 船体水动力优化、100 等效高保真评估的预算下，阻力降幅超过单保真 LCB 基线，而多保真 LCB 基线相对初始设计几乎没有改善。

Anthropic 在 Claude 平台发布用量与成本分析 API 的测试版，提供两个组织级端点，按模型、工作区、API 密钥以及请求背后的用户或服务账号等维度过滤和分组，报告 Claude Console 与 Claude Enterprise 组织的 token 用量和成本。此前这类数据由用量与成本 API 以及 Claude Enterprise 分析 API 的四个报表端点提供，这些接口现转为旧版但仍受支持，官方给出两条迁移路径。新接口需携带 analytics-usage-cost-2026-08-24 测试版标头调用。

Anthropic 在 Claude 平台发布用量与成本分析 API 的测试版，提供两个组织级端点，按模型、工作区、API 密钥以及请求背后的用户或服务账号等维度过滤和分组，报告 Claude Console 与 Claude Enterprise 组织的 token 用量和成本。此前这类数据由用量与成本 API 以及 Claude Enterprise 分析 API 的四个报表端点提供，这些接口现转为旧版但仍受支持，官方给出两条迁移路径。新接口需携带 analytics-usage-cost-2026-08-24 测试版标头调用。

可微决策树保留显式路径和端到端训练，但每个内部节点的斜向软分裂可能同时依赖大量输入特征，削弱节点层面的可读性。EU-DDT在训练目标中加入归一化平方欧氏距离正则项，约束每个节点相对特征权重偏离均匀分布的程度，而不改动原有的sigmoid软路由。五个匹配随机种子上，Wine的平均有效特征数从8.94降到1.54、平均测试准确率从100.0%变为93.9%，Digits从45.28降到9.06、准确率从92.3%升到94.6%，呈现随数据集而异的集中度与性能权衡。

可微决策树保留显式路径和端到端训练，但每个内部节点的斜向软分裂可能同时依赖大量输入特征，削弱节点层面的可读性。EU-DDT在训练目标中加入归一化平方欧氏距离正则项，约束每个节点相对特征权重偏离均匀分布的程度，而不改动原有的sigmoid软路由。五个匹配随机种子上，Wine的平均有效特征数从8.94降到1.54、平均测试准确率从100.0%变为93.9%，Digits从45.28降到9.06、准确率从92.3%升到94.6%，呈现随数据集而异的集中度与性能权衡。