Sage-Taiyi 把科学发现拆成两层：对象层在目标树与想法图上做搜索，元层用可修订的认知状态记录哪些判断有证据、哪些前提未验证，再据此决定下一步查什么、用什么方法。在含50篇论文、265个任务、覆盖十个学科的泰一基准上，它的总分是54.0，最强基线 AI Scientist-v2 为47.9，八项指标均列第一。五个专家参与的化学、材料与工程合作把部分提案推进到实验或计算验证，其中钴催化羰基化模型反应产率从痕量提高到84%。
科学原理现在可以由大语言模型在测试阶段边做实验边构造和修订，而不必只靠专家把观测一点点翻译成解释。此前做这一步需要大量领域知识、时间和人力，成为发现流程的瓶颈。Principia 把相关输入及其观测结果成对比较、写出因果假说，再按相似性聚类归纳出反复出现的原理，并用新观测修订假说、重建原理；在分子优化、蛋白序列工程、基因扰动与分子性质预测基准上，它优于依赖内部知识、经验摘要或外部检索的基线，分子优化五项任务平均 AUC@10 为 0.279，经验摘要基线为 0.250。
一项新基准把资深研究员对科研智能体的纠正整理成248道二选一判断题：在只看纠正前项目记录的条件下，五个前沿模型中有四个更常选中被人类改掉的原始方案，最高正确率63.5%，而首次接触这些项目的新手研究员为73.4%。基准取自26个横跨六个学科、历时约半年的真实科研项目，每题都要求模型在原始计划与人类修正方案之间做出选择。
LANTERN 在预训练模型 Qwen3-32B 的激活上训练线性分类器，对 OEIS 中 1 万个高频引用序列构成的 5000 万对候选关系排序，再经廉价过滤、假设生成、可执行验证与解析检查，产出 62 条此前无 OEIS 交叉引用的已验证关系，内容筛查保留 13 条、其中 9 条具信息性或洞察性，4 条未见于 OEIS 与定向文献检索，端到端耗时不足 8 小时。
该工作提出全自主的 Agentic Idea Manager（AIM）框架，把研究想法作为显式搜索对象，用受贝叶斯优化启发的 Agentic Surrogate 组织想法簇并做序数式前景估计、Agentic Acquisition 在簇级与想法级平衡探索与利用、Solution Auditor 校验想法与实现的一致性、Resource Planner 在固定预算下动态分配并行分支，在 10 项 AutoLab 任务上取得 System Optimization 平均 67.0%、长时程 Model Development & CUDA 平均 55.8%，分别超过最强基线 ScientistOne 1.6 与 4.9 个百分点，并以最多 3.1 倍更短的墙钟时
该工作提出 EvoDuet，一种在模型参数固定的前提下让解与网络搜索查询双层协同进化的方法：每轮由基于知识缺口的检索门决定检索新文档、复用已存文档或不检索，内层循环按“假设证据评分”预测文档能带来的解分数并据此改写查询，外层循环并行生成候选并把评估结果写回搜索数据库；在 21 项优化任务、每轮一个候选的设置下，它把 OpenEvolve 的归一化发现增益从 74.1% 提升到 78.0%（GPT-5.6-Luna）、从 61.3% 提升到 82.3%（Gemini-3.8-Flash），Qwen3.5-9B 未获益，最佳运行在 8 项任务上超过此前报告的最好成绩、3 项持平，并在 Sums/Diffs 与 Denoising 上同
已读完全部报道