HyperAI超神经

EvoSafeHarness 提供了一种不同于「统一 Guardrail」的思路：智能体进入具体业务环境后，安全约束可以根据模型行为和领域风险重新设计，而不是把同一套规则套到所有系统上。该研究也表明，真正影响防御效果的往往不是规则数量，而是规则是否对应实际风险、检查是否放在合适的位置，以及系统是否保留了足够的上下文状态。当然，这种方法也有边界，对于事实错误、误导性表达等主要发生在内容层面的风险，如果缺少能够直接检查的动作、权限或状态关系，系统级 Harness 仍难完全解决。

通过构建 UCE，研究人员进一步拓展了对 scRNA-seq 数据进行分析的能力。尽管该模型代表了向通用细胞嵌入迈出的重要一步，但仍存在一些限制——目前的基准测试主要评估 UCE 恢复专家注释细胞类型的能力，但这类任务本身受到现有细胞标签的粒度和主观性限制。因此，这些评估可能无法充分反映模型表征更为细微的生物学过程的能力，例如细胞对扰动的响应，或不同模态数据之间的整合。此外，与其他大规模生物学基础模型一样，UCE 在很大程度上仍然是一个黑箱模型，因此很难解释某些嵌入为何以及如何形成。

论文的最后，作者团队毅然承认了本研究虽存在诸多局限，比如回顾性设计以及真实世界数据的异质性可能影响模型性能，完整多模态病例数量相对较少，从而限制了多模态分析的可靠性，等等。但尽管如此，这项研究依然让我们看到了诸多开创性的意义。或许正如芝加哥大学医学中心胸外科肿瘤学家、医学教授兼本研究的资深作者 Marina Garassino 博士所言，该研究为胸部肿瘤领域的人工智能应用树立了新标杆，对患者而言，意味着更少错失获得治疗获益的机会；对基层医生来说，代表着在诊疗现场就能获得专家级指导；

当然，MemBrain v2 并非没有局限。其性能仍受到训练数据多样性、膜状非目标结构以及 cryo-ET 自身对比度和噪声水平的制约，对于信号微弱、被遮挡的颗粒，以及容易被强膜密度掩盖的小型整合膜蛋白，准确识别仍存在挑战。同时，分割厚度也不完全等同于真实生物学膜厚度。未来，通过进一步扩充训练数据，并与 TomoTwin 等互补工具结合，有望提升其对不同膜结构和蛋白质复合物的适用能力。

AIMe 的意义并不只是把质谱预测准确率进一步提高，而是尝试改变未知小分子的解析方式。过去，研究人员面对一张未知质谱，往往只能在规模有限的实验谱库中寻找直接匹配；AIMe 则先利用模型把已知小分子空间转化为一个可以搜索的预测质谱空间，再借助碎片结构和碎裂路径逐步缩小候选范围。它目前还不能取代标准品、NMR 等实验验证，却让大量原本因为「没有参考谱」而难以继续分析的信号获得了进一步追踪的可能。

由于 IRIS 完全依赖单细胞层面的细胞自主信息，即使面对包含异质性细胞类型或细胞状态的不完美细胞簇，它仍然能够开展分析。因此，IRIS 这种以细胞响应为中心的方法，与其他依赖配体—受体配对进行信号推断的方法形成了互补，例如 CellPhoneDB、NicheNet 和 CellChat——这两类方法可以结合使用，用于推断潜在的细胞—细胞通信，尤其适用于空间转录组数据的分析。

更广泛而言，本研究证明了一个重要方向：互联网视频可以成为机器人获取操作数据的一种可规模化、持续增长的数据来源。与完全依赖固定、专门构建的机器人数据集不同，随着网络视频内容不断增长，RoboTok能够持续从中挖掘新的人类操作示范，从而使机器人能够接触到范围更加广泛的任务、物体和环境。未来，研究团队计划进一步将 RoboTok 扩展至由运动摄像机拍摄的视频，包括第三人称视角和自我中心视角的示范视频。

总体而言，Hydra-0 提出的运动学约束动作流，为跨机器人本体、跨视频生成骨干网络的神经世界模拟提供了一种统一的视觉控制接口。实验表明，该方法不仅能够提升动作条件视频预测和数据高效迁移能力，还可用于开放环策略评估，在 RoboLab 中生成结果与真实重放结果的成功率达到 Pearson r = 0.96。进一步通过世界动作模型，Hydra-0 能够从人类示范中的目标物体运动流反推出匹配的机器人运动，并转化为可执行动作。

为回答这一问题，上海交通大学、新加坡国立大学、美团、香港中文大学、上海大学、牛津大学的联合研究团队构建了 URBANGROUND，一个以香港真实地理数据为基础的城市级交互环境，并从局部空间理解、目标导向导航和动态环境适应三个层面，对当前 MLLM 智能体进行了系统评测。城市空间的理解从来不是一次性的视觉识别。与静态图片或预设路线评测相比，URBANGROUND 将城市三维结构、行人连通关系、物理约束和智能体轨迹统一到真实地理坐标中，使模型必须在同一座城市中持续移动，并根据此前行动产生的新环境继续作出判断。

该研究的意义并不只是将原本需要人工完成的 MRI 分析实现自动化，更重要的是，它尝试解决了大规模临床前影像研究中的一个核心问题：当研究从单中心、小样本走向多中心、大样本时，如何保证同一种影像指标仍然能够被一致地测量。通过统一数据处理、信号归一化、脑组织提取、病灶分割和定量测量，这套流程使 MRI 有望从小规模动物实验中的辅助观察工具，进一步成为多中心临床前试验中稳定获取影像学终点的研究工具，为提高卒中研究的严谨性、可重复性和临床转化价值提供支持。

如果说过去的 AI Scientist 更像一个会做实验的工程师，那么 Faraday 所探索的 CAT 范式，则试图让 AI 进一步具备知道该做什么的科研判断力。决定研究方向、合理划定实验范围、判断复现结果是否可信，这些能力一旦沉淀在外层智能体中，就有望随着底层前沿模型的持续升级而不断叠加。更值得关注的是，这一范式也为 AI 能力发展与安全提供了新的思路：让一个相对小型的模型负责科研判断，让更强大的模型负责工程执行。

长久以来，对 AI 科研能力的评价，多集中于解答科学问题、复现论文结果或完成指定实验。ASI-Bench 则进一步追问：当人类不再提供具体方法和执行路径时，AI 能够独立完成多少科研工作？评测结果显示，AI 已能较好地完成路径明确的任务，但距离稳定开展开放式自主研究仍有明显差距。未来科研智能体的提升，也不能只依赖更强的模型和更多算力，还需要增强任务规划、实验反馈利用和错误修正等能力。对 AI 科研能力的衡量，也将逐渐从「答对多少问题」转向「能够独立完成多少真实科研任务」。

DONUT 是一种用于快速、准确分析扫描式 X 射线纳米衍射显微数据的物理感知无监督深度学习框架。通过将可微分几何衍射模型直接集成至自编码器架构中，DONUT 成功实现了晶体晶格应变和取向信息的实时提取，在无需标注训练数据的情况下，其分析速度显著超过传统相关性拟合方法。该方法显著降低了复杂纳米衍射实验实现实时反馈的技术门槛，为加速理解材料基本性质提供了新的路径，并有望推动不同科学领域中纳米尺度动态过程的研究。当然，DONUT 目前仍主要针对扫描X射线纳米衍射场景，其应用范围受到实验几何条件和模型假设限制。

还记得第一次与 ChatGPT、豆包聊天时所感受到的震撼吗？依托通用语言模型搭建的它们似乎无所不知，不仅能诗善对、通晓时事，还可以作画、写信、编代码……种种能力让人直呼神奇。然而对于这样一个在文化、艺术、科学等全领域似乎「无所不能」的智慧助手，越来越多的科学家心中出现了一个疑问：通用语言模型在知识壁垒高筑的专业领域究竟能有何表现？以蛋白质工程而言，当前通用语言模型凭借在生物知识和推理基准测试中的性能提升，已经越来越频繁的在蛋白质设计流程中亮相，然而科学家对于其评估蛋白突变效应的能力目前却尚无明确的认识。

总体来看，这项研究没有试图使用 DAS 完整复刻传统地震预警流程，而是重新设计了 DAS 的使用方式：跳过容易受光缆形态影响的震中定位环节，直接利用 P 波到达后 4 秒内的应变特征，判断地震是否达到预警阈值。这种方法降低了对台站数量、光缆方位和精确震源位置的依赖，也部分绕开了 DAS 与传统地震仪观测物理量不同所带来的震级估算难题。虽然模型召回率仍有提升空间，且目前主要在陆上 DAS 数据中完成验证，但研究已经证明，应变波形中的低频和振幅信息能够用于快速识别中强地震。

AI X 射线科学家」的意义，并不在于取代实验人员，而是让 AI 从数据分析工具进一步走进实验现场，参与设备操作、状态判断和策略调整。尽管目前仍受限于样品数量、真实机时和人工安全中转，这项研究已证明，大模型能够在复杂、非理想的真实环境中通过持续观测与推理完成实验闭环。未来，随着模型、机器人和科学仪器进一步融合，AI 有望成为大型科研装置中重要的协作伙伴，帮助研究人员减少重复操作，将更多精力投入科学问题本身。

研究人员在 13 项基准任务中对 ChemGraph 进行了评估，结果表明，对于仅需调用少量工具的简单任务，较小规模的大语言模型（如 GPT-4o-mini 和 Claude-3.5-haiku）能够实现较高的准确性和稳定性，然而随着任务复杂度提升，这些模型的性能会显著下降，而大型模型（GPT-4o）则能够保持较强的表现。GPT-4o-mini能够准确完成该实验并生成正确答案；Qwen-2.5-14B通常能够生成准确的工具调用，包括正确的工具名称和参数，然而它的错误主要发生在从工具输出中提取结果的过程中。

COMPASS 首次将这一架构引入癌症转录组分析领域，通过利用免疫相关基因集，并建立：基因（gene）→ 基因集（gene set）→ 概念（concept）的层级映射关系，用于表征每位患者的肿瘤免疫微环境。目前，临床研究已经探索了多种预测免疫治疗疗效的生物标志物，其中，肿瘤突变负荷（TMB）、程序性死亡配体 1（PD-L1）免疫组织化学检测（IHC）等指标已经被用于部分临床决策，然而这些指标仍存在明显局限。随着高通量测序技术的发展，RNA 测序（RNA-seq）提供了一种观察肿瘤免疫状态的新方式，

其三，RNA 分子具备天然的构象柔性，同时存在多种稳定空间构象，现有算法大多仅能输出单一静态结果，无法还原 RNA 真实的动态构象集合。RNAbpFlow 是一款基于序列和碱基对条件的 SE(3) 等变流匹配模型（如下图所示），其基于蛋白质结构生成模型 FrameFlow 改造而来，采用 NuFold 提出的核苷酸表征方式，将 RNA 序列中每个核苷酸表征为刚体标架，以核苷酸序列与碱基配对信息为约束，通过流匹配迭代采样，预测二面角分步还原全部原子，最终完整输出带真实核糖折叠构象的 RNA 全原子三维结构。

GeneBench-Pro的核心贡献并不仅在于构建一个新的生物学基准，而在于它试图重新定义「科学智能体能力」的评价方式。从实验结果来看，当前最先进模型已经具备一定程度的「局部科学能力」，例如识别数据异常、理解统计信号或执行标准分析步骤。然而，这种能力尚未稳定扩展为端到端的科学分析能力，模型在「识别问题」与「采取行动」之间仍然存在明显断裂。从应用视角来看，这一能力的突破具有显著潜在价值。在现代生命科学中，从基因数据到靶点筛选、从统计信号到转化决策的过程高度依赖专家团队协作，且成本高昂。

总而言之，Autodata 提出了一种新的数据生成范式：将数据生成过程建模为一个由智能体驱动的数据科学循环。在该框架中，数据生成、评估、失败分析与策略优化被统一在同一个闭环系统中。进一步的元优化实验表明，数据科学智能体本身也可以被优化，从而在无需人工提示工程的情况下提升数据质量。整体来看，该研究的核心贡献在于提供了一种机制，将推理阶段的计算资源转化为更高质量的训练数据生成能力。未来，这一方向仍有大量拓展空间，包括更大规模的任务适配、更复杂的多轮智能体协作、以及数据集级别的全局优化。

本研究的意义不仅在于构建了一个高精度光学吸收光谱预测模型，更重要的是提出了一种将「深度学习表示学习」与「材料物理解释」相结合的方法框架。通过 ALIGNN 模型与层次聚类分析的结合，研究实现了从高维光谱数据中提取材料共性规律的能力，使得机器学习模型不仅能够预测结果，还能够揭示结果背后的结构与电子起源。理想情况下，需要将电子–空穴相互作用、电子–声子耦合以及点缺陷的影响纳入考虑，以分别再现激子效应、声子辅助电子跃迁以及缺陷相关的光谱特征。

这项研究的价值，不在于证明医疗大模型已经可以替代医生，而在于把评估重点从「能否诊断」推进到了「能否持续管理」。相比单轮问答，管理推理更接近真实临床：医生需要在病程变化、治疗反馈、指南证据和患者个体差异之间不断调整判断。研究提出的多就诊虚拟OSCE、指南知识库、药物专项基准和双智能体系统，为医疗AI评测提供了更贴近临床的框架。但虚拟环境仍无法完全还原真实医疗中的身体检查、资源限制、患者依从性和责任边界。

AI 不是在真空中发展。随着能力提升，安全、伦理、就业、军事、金融、教育、信息传播和社会治理问题都会变得更加尖锐。如果高级 AI 系统引发重大事故，或者社会认为其风险超过收益，监管、国际协议、行业自律和公共舆论都可能主动踩下刹车。当然，这种放缓也会受到经济竞争和地缘竞争的反向拉扯，因此它本身也是一个复杂变量。这六道瓶颈共同决定了从 AGI 到 ASI 的演进速度，同时也警醒人们，超级智能问题不只是技术问题，也是资源问题、组织问题、科学问题和治理问题。wp:heading。

ChartNet 旨在解决图表理解领域的核心瓶颈：缺乏大规模、高保真、图像、绘图代码、数值数据、文本描述及推理轨迹对齐的监督信号。它为数值推理、可视化理解、文档智能及代码对齐多模态建模研究提供了可扩展、开放的基础平台，将 VLM 从「描述图表」推动到「理解图表编码的结构化信息」。麻省理工学院电子工程与计算机科学系 (EECS) 研究生、ChartNet 相关论文的第一作者 Jovana Kondic 表示：「以往的很多训练数据集只关注回答关于图表的简单问题。

毕竟，卫星拍下的每一张含云影像，都是地球真实观测的一部分。为打破这一瓶颈，剑桥大学、阿尔托大学、布里斯托大学的联合研究团队基于巴洛双子（Barlow Twins）算法构建了一种新的时序特征学习范式，不再过滤含云数据，而是约束同一位置不同观测子集之间的特征一致性，让模型自主学习地表稳定的时空变化规律，形成具有时序采样不变性的遥感特征表示。为全面评估 TESSERA 的性能，该研究围绕遥感领域的典型应用场景设计了系统化实验，从分类、分割和回归三类任务出发，验证模型在不同数据规模、标注条件和区域场景下的表现。

总的来说，本次研究跳出了沿用数十年的富营养型/寡营养型「二分法」框架，从基因与底物利用本质出发，建立了 8 类代谢生态位分类体系，打破了五种分类与生理功能的固有绑定认知。此外，这套全新分类框架简化了海洋海量异养微生物的复杂结构，未来可以被嵌入全球生物地球化学模型，不再需要逐一录入上万种海洋细菌，仅依靠 8 类功能参数即可推演海洋有机质降解、碳收支变化，为研判全球变暖背景下大洋碳循环演变提供了全新的理论工具。

据国际糖尿病联盟（IDF）数据统计，2024 年全球约 340 万 20-79 岁成年人死于糖尿病或其并发症，占到该年龄段全因死亡人数的 9.3%。糖尿病及其并发症显然已经成为当前全球卫生健康的一大隐形杀手。而本次研究摒弃了此前单纯依赖 AI 做「黑箱筛选」的研究范式，通过 AI-CC 在人工智能、药物、纳米医学与治疗验证之间建立可解释的闭环，实现了从「机制线索」到「纳米尺度定量验证」再到「体外功能验证」的路径，这为糖尿病创面及其他复杂疾病的药物研发和老药新用提供了具有实用价值的新解题思路。

总体而言，这项研究展示了一种面向含镓半导体的全新材料设计范式：通过机器学习建模、贝叶斯优化搜索以及化学约束筛选的协同作用，实现从「数据」到「新材料」的自动化生成路径。从产业视角来看，这一方法对于光伏材料设计、发光器件开发以及宽禁带半导体研究具有潜在价值。尤其是在新一代功率电子与光电子器件快速发展的背景下，对带隙可控材料的需求正在快速增长，而 AI 驱动的材料设计方法有望成为加速这一进程的关键工具。

Robin 的意义并不局限于发现了几个潜在候选药物。更重要的是，它首次展示了人工智能在生命科学中从「辅助工具」向「半自主科研系统」演进的可能性。当然，这类系统距离真正意义上的「自主科学家」仍有距离。复杂实验设计、跨尺度生物机制理解以及结果可解释性等问题，依然高度依赖领域专家参与。但 Robin 的出现至少说明，AI 已经不再只是帮助科研人员「提高效率」的工具，而正在逐步具备参与科学发现本身的能力。

总的来说，CVEvolve 所提供的零代码开发，极大降低了计算成像技术的使用门槛，为领域科学家进行自定义的科研数据处理提供了捷径。而在未来，CVEvolve 将有望进一步增强其能力，正如论文中所介绍，将拓展高位数据处理、实时流程优化等能力，这都将推动自主的科学发现工作流程大踏步进入智能与技术共同驱动的时代。

从模型研发、业务化部署到数据与代码开源，v2 系统体现出机器学习水文建模领域一个越来越清晰的趋势：研究目标已经不再只是「提高几个百分点的精度」，而是开始更加重视模型在真实复杂环境中的稳定性、泛化能力与可扩展性。当然，当前系统仍存在明显局限。干旱流域、人工调控区域以及完全无实测站点的场景，依然是全球洪水预报中的难点；模型对本地观测数据的依赖，也尚未真正摆脱。

本研究既有受到过往经验的启发，又融入多项创新的想法，比如三合一复合评价体系，结合反向余弦相似度、NMSE 和 EMD，改变了传统单一指标无法适配各类脉冲形态与能量尺度的视觉和实际效果评判，使得实验结果更加可靠、可信。当然，LSTM 最为重要的核心优势还是在于彻底改变了传统 SSFM 模型需要反复做时频域转换而造成算力成本高昂的难题，只需在简约频域直接学习映射关系，省去频繁的分步傅里叶法变换，实现实时推演。

StreakMind 展示了在大规模巡天图像中自动识别线性拖影的可行性，为近地天体和卫星监测提供了一个高效的解决方案。通过融合真实与合成数据、定向边界框检测以及精细的轨迹分析流程，该系统能够自动完成从原始图像到结构化数据库记录的全流程处理，为天文学研究和空间环境监测提供了可靠的支持。

本研究依托全球最大规模的多队列蛋白质基因组学分析，系统解析了人类循环蛋白质组的遗传调控规律，突破了过往仅聚焦顺式调控的研究局限，首次在大样本水平全面揭示反式遗传调控在循环蛋白丰度调控中的关键作用，并通过机器学习精准定位效应基因，明确 N - 连接糖基化、血小板生物学等核心通路，以及肝脏、免疫细胞等关键调控场所。

对于数据中心运营者而言，EnergAIzer 可以快速评估不同 GPU 配置、频率策略以及资源调度方案的能耗表现，从而支持更精细化的资源编排与能效优化；对于 AI 模型开发者，这一框架则提供了一种新的“硬件感知”工具。在模型设计阶段，就可以评估不同精度、不同算子实现所带来的性能与功耗权衡，从而避免在部署阶段才暴露能耗问题。当然，当前框架仍存在一定局限，例如对多 GPU 协同计算、通信开销以及非规则稀疏计算的建模能力仍有待增强。

整体来看，这项工作并不是对传统星震学方法的替代，而是一种有针对性的补充：在大规模观测数据快速积累的背景下，通过数据驱动方法实现参数的高效预估，再结合精细的物理建模进行深入分析。对于像盾牌座 δ 型星这样振荡模式复杂、难以标准化处理的目标，这种思路尤其具有现实意义。

当前实验主要基于 MaskedMimic 架构，未来需在更广泛的 GC-BFM 架构中验证方法的通用性。尽管任务相关奖励与观测设计仍依赖专家经验，未来可探索（半）自动化设计以降低使用门槛。一个关键方向是将Task Tokens适配的策略迁移到真实机器人系统，解决仿真到现实问题，并扩展到需要高层决策的复杂真实任务，而不仅限于动画模拟。最后，探索更复杂的任务编码器结构（超越当前的前馈网络架构）也可能带来进一步性能提升。

整体而言，dnaHNet 不再预设序列的切分方式，而是让模型自己学习。实验证明，这种动态分块的分层建模既提升了计算效率，也更贴合基因组的多尺度结构。长远来看，如果能稳定学到有意义的生物学单元，就有望揭示基因组中难以形式化的规律，为变异预测、功能发现和合成设计等研究打开新空间。

Simple Voice Questions 是由 Google 发布的一个简短音频数据集，该数据集为多语言语音数据集，包含 26 个地区的 17 种语言下的简短音频问题，共计约 700 名说话者，每人最多提供 250 条语音样本，涵盖阿拉伯语、英语、日语、韩语、印地语等多种语言，并包含安静环境、背景人声及交通噪声等多样化录音条件。该项目包含一个生产大规模配音数据集的端到端数据集管道，和一个基于多模态大模型（Large Multimodal Model, LMM）的配音模型，专为多样的电影场景而设计。