找到 34 筆
AI 科研平台 Open-Science 由 AIPOCH 以 Apache License 2.0 開源發布，同時推出 .science 軟體包格式。.science 把選定的對話分支、檔案版本、Notebook 記錄與驗證證據整合成一個可移植檔案，可分享、遷移到另一臺機器，或作為只讀記錄匯入評審，相容 RO-Crate 標準，資料預設本地儲存，不會自動執行程式碼或恢復憑據。
約翰斯·霍普金斯大學天體物理學家、Anthropic 研究員 Brice Ménard 與 Claude Science 合作，製作出首張完整的紫外天空圖，其中約三分之一的天空由 Claude 預測補全。此前 NASA 的 GALEX 任務（2003 至 2013 年）僅成像約三分之二天空，並刻意避開明亮恆星所在區域。
清華大學牽頭聯合多所高校推出 OSWorld-Science 科研智慧體評測基準，含 146 項專家任務、覆蓋 7 大科學領域與 14 種科研軟體配置，12 個視覺語言模型平均任務得分僅 34.3%。Claude Fable 5.1 以 73.7% 領先，Claude Opus 5、GPT-6 Astra、GPT-5.6 sol 分別為 57.9%、57.4% 和 50.1%，但化學類任務中僅少數模型超過 20%。
Anthropic 研究員、約翰斯·霍普金斯大學天體物理學家 Brice Ménard 用 Claude Science 製作出首張完整的紫外（UV）全天圖，其中約三分之一天空、包括銀河系盤面的大部分，由模型預測填補。此前 NASA 的 GALEX 在 2003 至 2013 年以約 3.8 萬次觀測覆蓋約三分之二天空，但為保護探測器跳過了亮星密集區，其他望遠鏡的資料也留有缺口。
天體物理學家 Brice Ménard 用 Claude Science 製作出首張完整的全天紫外（UV）圖，此前全天圖從射電到伽馬射線均已具備，但大片天空從未在紫外波段被觀測。他引導 Claude 查詢已有資料集、將其合併，並用統計推斷填補空白區域。這項原本需要人類數週的工作只花幾天完成，期間 Ménard 還在處理其他專案。Anthropic 稱該圖可用於教學，也說明這類低優先順序、科學家一直沒空做的慢活如今變得可行。
Science Corporation 已將視覺修復晶片 PRIMA 植入首位 Stargardt 病患者，手術於今年 5 月在澳大利亞悉尼眼科醫院完成。晶片僅 2×2 毫米，經約一小時手術植入眼底，患者需佩戴帶攝像頭的眼鏡把外界畫面傳給晶片；首位患者在首次康復訓練中認出一個字母，第二次讀出一個單詞，目前只能看到黑白高對比的中央小片視野。PRIMA 已在歐洲上市用於地圖樣萎縮（晚期黃斑變性），Stargardt 病全球約 15 萬人因此失明。
《Science》刊出一篇題為 Demographic “Doomsday” Misses the Mark 的文章，認為人口“末日”論調並不成立。該文在 Hacker News 上被提交討論，獲 10 分、2 條評論。現有資料只有標題與原文連結，未給出作者、資料與具體論證。
Anthropic 科學部落格稱，Claude 在單條提示下於 Claude Science 中基本無人監督執行數天，完成了平面 N=4 超楊-米爾斯模型中九圈散射振幅計算，總花費數千美元。此前該簡化模型的紀錄是八圈，由 SLAC 的 Lance Dixon 及合作者保持；Dixon 獨立驗證了這次結果。
物理學家 Matthew Schwartz 發布開源工具 BootLoops，作為 LLM 的科研 harness，用於定量科學中的精確計算。他發現當前模型不擅長像人類科學家一樣工作，但擅長特定「Claude 形狀」的問題，於是讓 Claude 自主尋找適配其能力的問題，結果連線到生態學、群體遺傳學等十幾個領域。BootLoops 可搭配任意模型使用，Schwartz 與領域專家合作，將其引導向各領域真正關心的問題。
Meta 公布一套由人類主導的健康科學研究框架，由 Muse Spark 1.3 與 Muse Wonder 驅動，可訪問 500 萬份回顧性去標識化電子健康記錄及公開資料。一組醫學專家用該系統開展原創研究，加速假設生成、程式碼執行與論文撰寫，科學決策權仍完全由人類掌握。Meta 同時公開了由此產出的 10 篇研究論文，覆蓋心臟病學、腫瘤學、傳染病、急診醫學等領域。
Anthropic 在科學部落格公布，Claude 已針對蠍子神經毒素設計蛋白結合體，這是尋找新療法的早期一步。全球每年約有 120 萬人被蠍子蜇傷，而現有抗毒血清往往價格高昂或供應短缺。該工作仍處於早期研究階段。
Mistral AI 官方表示，Mistral Large 4 在 Ulam 的私有基準 STEMBench 的工程與天文方向得分良好。訊息由 Mistral 官方 X 帳號發布，推文中以 le Chonk 稱呼該模型，並附上 Ulam 的 STEMBench 頁面連結。官方目前只提到這兩個方向的表現，未給出具體分數或模型細節。
Anthropic 承諾投入 500 萬美元的資金、算力與 Claude 存取權限，幫助數學界應對 AI 帶來的巨大變化。這筆資助由 Simons Foundation 以社群驅動的方式管理，用於支援研討會、會議和領域專家的講座。Anthropic 表示，如何最好地把 AI 用於數學乃至更廣泛的科學研究，仍需時間、精力與資源。
《紐約時報》發表長文，講述 Margaret Hamilton 在電腦科學變成男性主導領域之前編寫程式碼的經歷。文章以她的經歷為線索，回看那個程式設計工作尚未被男性佔據的年代，以及此後行業性別結構的變化。原文為英文報導，Hacker News 上有對應討論帖。
數學家 Francesco Maggi 發表長文評估 LLM 對數學的衝擊：LLM 已產出帶外力項 Navier–Stokes 方程的有限時間爆破解、準黎曼猜想的證明草案等成果，但人類能否理解這些結果，將決定數學走向「黃金時代」還是「黑暗時代」。他指出 LLM 最擅長寫 Lean 證明，重要定理的 Lean 版本可長達數十萬行，而機器生成的自然語言翻譯往往更亂、更不忠實，目前難以直接閱讀。他認為數學不會因機器能證定理而終結，社會反而需要更多數學家，並分八點討論相關選擇。
NVIDIA 加入歐盟委員會在都柏林 AI in Science Summit 上啟動的 AI in Science Enablers 計劃，將向歐洲科研界開放加速計算工具、算力與培訓。NVIDIA 已開源 250 多個模型、250 個資料集與 1400 多個開源專案，包括 Nemotron、BioNeMo、PhysicsNeMo、Earth-2 和 ALCHEMI NIM，可用於 agentic 推理與科學計算。
Anthropic 讓 Claude Science 中的內部研究模型設計針對蠍子神經毒素的 minibinder，64 小時內生成 31.8 萬個設計，並從中選出 180 個送檢。加上團隊補充的 31 個，Adaptyv Bio 與 Twist Bioscience 共實驗室測試 211 個設計，其中 17 個滿足結合標準，分別針對四種對人類危險的蠍毒。
Anthropic 發布 Science Blog 客座文章，哈佛物理學家 Matthew Schwartz 提出 AI 與科學之間存在類似物理學的阻抗失配：LLM 能力很強，但像對待人類合作者那樣使用它並非發揮其科學優勢的最佳方式。為此他開發了一套用於定量科學精確計算的工具包，Claude 藉此發現與生態學、群體遺傳學等十幾個領域的聯絡，Schwartz 再與領域專家合作將方向引導到有價值的問題上。
微軟稱其 AI 工具診斷疾病的準確率最高可達人類醫生的四倍，相關結果於週四發表在期刊 Science 上。測試用醫學病例報告與急診科資料構成場景，讓微軟 AI 系統與人類醫生逐項對比，這些案例被微軟整理成自家基準。微軟 AI 負責人 Mustafa Suleyman 稱，AI 改善醫療「終於到來了」。結論出自微軟自建基準與公司自述，規模與細節需看完整論文。
Anthropic 表示與 citrini 合作，要求 Claude 設計可結合五種蠍毒素的蛋白，覆蓋毒素附著細胞的部分。隨後 64 小時內，Claude 生成逾 30 萬個設計；團隊從中選出 211 個，交由 Adaptyv Bio 和 Twist Bioscience 進行實驗室測試。
華人團隊 Novix 把 RSI（遞迴自我改進）做成規模化閉環，成立半年已服務 20 萬名專家，覆蓋 40 多個國家和地區、500 多所高校及科研機構。團隊由石宇、湯嘉斌等創立，核心成員來自 Google、微軟、Meta、智譜和 Kimi。
OpenAI CEO Sam Altman 在 X 發帖稱「我們正進入發現的新紀元」，並附上 OpenAI 官網一則題為 Sharing AI progress in mathematics 的頁面連結。推文字身沒有給出更多說明，未披露涉及的具體模型、數學成果或時間表，資訊集中在所連結的頁面上。發帖時間為 2026 年 10 月 7 日。
Google DeepMind 表示正與全球科研人員合作，用其模型與工具讓疾病更易被檢出、治療和預防。推文點出的方向包括定位罕見基因變異、加速藥物研發，並稱這些工作正把實驗室突破轉化為現實臨床護理。原帖僅附一條連結，未披露具體模型、資料或時間表。
OpenAI 正在為 ChatGPT 增加視覺展示廣告，廣告會出現在使用者要求生成的影像旁邊，本月晚些時候先在美國上線，僅面向初始測試廣告主，且廣告有明確標註、不影響 ChatGPT 給出的回答。同時 OpenAI 擴充套件廣告衡量工具與合作生態，納入 AppsFlyer、Adjust、Branch 等點選歸因夥伴，並與 DoubleVerify、Integral Ad Science 開展品牌適配性評估試點。
投資研究公司 Citrini Research 想證明 AI 能革新藥物開發，與 Anthropic 合作測試未發布版 Claude 能否從零製作蠍子抗毒血清，結果未能造出藥物。Claude 只給出一些有希望的起點，專家對 The Verge 表示，這些成果離實際藥物仍很遠。Citrini 承認團隊無人真正瞭解 AI 與生物學的關係，併發布部落格復盤實驗，標題為“We Wanted to Use Claude to Create a New Drug.
Google DeepMind 的 Pushmeet Kohli 與 Biohub 的 Sal Candido 在對談中表示，AlphaFold 的突破只是開始，蛋白質摺疊問題遠未解決。兩人認為僅擴大算力與資料不足以解決生物學問題，關鍵是先找到合適的 scaling law，低品質宏基因組資料也能提升蛋白質語言模型；建置虛擬細胞需要根本不同的資料集，研究須從單個蛋白質走向整個生物系統，治癒所有疾病要靠 10x 級突破而非漸進改進。
微軟多智慧體診斷系統 MAI-DxO 在《Science》發表的模擬研究中，對《新英格蘭醫學雜誌》複雜病例的診斷準確率為 83%，而單獨作答的全科醫生為 36%。該系統讓多個 AI agent 分別提問、開檢查並辯論診斷，搭配 OpenAI GPT-5.5 時準確率從 72% 升至近 87%、成本略降；GPT-5 單獨每題約 8400 美元，DxO 省約 3000 美元但只提升約 4 個百分點。研究也顯示，DxO 對複雜病例和較弱模型幫助更大，急診病例無明顯改善；
一篇評論用斯特魯加茨基兄弟的科幻小說《路邊野餐》類比 AI 對科學的衝擊：AI 實驗室正成批產出數學發現，多到要另附導讀，速度遠超學界消化能力。作者稱這類「發現傾倒」會出現在所有能閉環快速驗證的領域；NYU 數學教授 Tristan Buckmaster 提到最近一批 AI 科學論文讓整個研究專案一夜之間被抹掉。文章的核心判斷是答案將越來越先於理解到來，理解成為瓶頸，這或許也是反加速主義少有的有效論據。
10 月 18 日中科大在合肥發布機器科學家 2.2 系統，官方定位為新一代智慧物質科學基礎設施，由大模型負責大膽假設、專業小模型負責計算篩選、科研機器人負責精準實驗，並通過結果回喂模型的閉環自主迭代。它已產出火星製氧催化劑（6 周從 376 萬種配方中鎖定最優解，人工需 2000 年）、新能源電池吸能材料（7 個月，傳統試錯約 10 年）等成果。
UniPat AI 宣布啟動 UniPat Fellows 計劃，未來一年投入一億元，邀請科學領域頂尖研究者與 UniPat 研究員、工程師共同研究，併為每人提供 50 萬元的模型 API 呼叫額度。入選者還可獲得專業資料、專家網路、有競爭力的薪酬與科研算力環境，研究方向不設學科邊界。機制上，Fellow 從自身熟悉的研究問題出發建立評測基準，再把專業軟體、模擬系統和實驗反饋接入可互動環境，讓 AI 提出方案、使用工具並持續改進。
蘇黎世聯邦理工學院（ETH）與羅氏團隊在《Nature Computational Science》發表研究，把主動學習與幾何圖神經網路串成閉環，預測藥物分子 C–H 硼化反應能否發生、發生在哪個位點。模型從 518 種底物、2044 組高通量實驗資料起步，先用 XGBoost 判斷反應是否成功，再以 BALD 採集函式從羅氏 22,253 種芳香族化合物中挑樣做實驗；三輪共新增 50 種底物、4821 組結果，總計 6865 組，覆蓋 568 種底物。
CERN 與 Mistral 於 10 月 15 日簽署意向書，將建立長期戰略合作，開發面向科學發現的基礎模型。核心目標是打造首個對撞機物理基礎模型：一個在 LHC 數十億次模擬質子對撞資料上預訓練的「大型物理模型」，可同時承擔對撞重建、粒子識別、異常訊號標記和未來探測器設計評估等任務。CERN 已儲存約 1EB 的 LHC 實驗資料，2030 年前後 HL-LHC 投運後對撞數量將再增十倍；合作初期聚焦高能物理，後續有望服務更廣科學領域。
Periodic Labs 聯合創始人 Liam Fedus 與 Ekin Dogus Cubuk 在一檔播客中介紹了其「合成超級智慧」構想：以真實物理實驗作為強化學習環境，訓練能自主發現新材料的 AI 科學家。這家成立一年的公司正搭建自動化實驗室，希望讓每臺儀器擁有「140 IQ」，並用做科學的完整過程而非僅論文結果來訓練模型。他們認為失敗的實驗可能是最有價值的訓練資料，自主實驗可把數十年的試錯壓縮到數月，目標材料涵蓋室溫超導、磁體與電池。
10 月 15 日，合肥科學視覺化公司可視科學（SciVisual）官宣完成天使輪及天使+輪融資，累計數千萬元，投資方為上海未來產業基金、厚雪資本與浦東創投。公司把核聚變裝置、先進光源等大科學裝置從幾何、部件、材料到物理邏輯編譯成 AI 可呼叫推理的三維資料，已服務 60 餘位院士、800 餘名科學家，覆蓋 20 餘座國家大科學裝置、300 餘個前沿科學設施。其自研輕量化演算法可將模型網格數量壓縮 99% 以上，使原本只有工作站能處理的模型在個人電腦上執行。