JUAN LI · AI4SCIENCE
每日简报从有可靠来源、已完成中英文整理的动态中，优先挑选信息完整、便于核验的事件。简报由 AI 自动编排，条目默认为 AI 生成、未逐条人工审核（人工复核条目单独标注），引用科学结论前请核验原始来源。
精选依据：只收录有可靠来源、已完成中英文整理的 AI4Science 动态；优先保留信息更完整、便于核验的事件。
微软研究院于2026年9月29日推出 Quine——以生物学多模态世界模型为核心的研究计划，并开放首届 Quine Fellows 申请。系统通过交互式框架把模型与推理模型、科学工具、研究文献、湿实验及科学家团队相连。微软将其定义为能表征生物系统状态、预测干预后的变化并推演多步下游后果的世界模型，公司称它不会取代实验，而是让研究者先在计算上排序候选方向。模型在序列、结构、功能、细胞状态与成像等尺度上学习共享表征，训练覆盖基因组学、蛋白质、化学、RNA与细胞状态、生物成像；微软称联合训练会强化而非削弱性能。与 Broad Institute of MIT and Harvard 研究者合作，该系统已对可产生肿瘤细胞状态治疗性转变的化合物排序，若干排名靠前的候选物在多项湿实验中获验证。微软同时表示，模型永远无法完美刻画生物学，只需能有用指导实验设计。
CytoVI 是一个概率生成模型，用于对抗体类单细胞数据进行统计上严谨的统一分析。这类技术包括流式细胞术、质谱流式和 CITE-seq，已广泛用于临床诊断与基础研究，但其分析受技术噪声、批次效应、平台差异和抗体 panel 受限等因素困扰。CytoVI 在单一概率模型中生成有信息量的细胞嵌入、填补缺失测量、执行差异蛋白表达检验并自动完成细胞注释。作者用它构建了覆盖 350 种蛋白的 B 细胞成熟图谱，发现与免疫球蛋白类别转换相关的蛋白；在一组经流式细胞术和 CITE-seq 分析的 B 细胞非霍奇金淋巴瘤患者队列中，CytoVI 揭示了疾病相关的 T 细胞状态。该软件在 scvi-tools.org 开源发布。
研究指出，大语言模型依赖的人类文本往往只呈现表层答案，而蛋白质折叠可作为可精确检验的测试场景：一个已解结构就能产生数千条空间与拓扑陈述。作者构建了蛋白质衍生的问答数据集 FoldingCorpus，并提出后训练方案 Fold2Reason，结合两种互补信号——由模型原生语言头预测的离散结构答案，以及从同一共享表征解码的连续三维几何。在 FoldBench 上，其结构预测得分达到 Qwen3.5-9B 的 2.7 至 3.5 倍；在涵盖空间、图、科学与通用推理的全部 10 项基准上均有提升，宏平均准确率从 45.09% 升至 48.33%（+3.23 pp）。而基于随机、合成和打乱结构的对照增益明显更小或为负。
LLM 智能体逐词元生成中间推理与动作，使长程交互缓慢且算力开销大。Jev 式模型能在有限域上给出快速概率预测，但要求事先指定这些域，从而限制了需要从自然语言指令推导动作并经交互不断调整的自主任务求解。作者提出 JevSpawn，一种把自然语言任务规范与有限概率探索连接起来的组合式策略：并行派生动作，并结合基于反馈的分支选择、表示修正，以及从保留备选方案中恢复；共享动作结构与模型前缀减少了重复生成和上下文计算，且无需额外训练。在八个基准任务上与七种智能体基线及一个 TypeSafe Jev 变体的比较评估表明，JevSpawn 在任务性能和导航速度上均有改善，是一种有前景的结构化智能体推理方法。
程浅 发自 凹非寺 量子位 | 公众号QbitAI “Navier–Stokes千禧年难题的突破，10000个Agent最多占了10%的功劳。” 此判断出自OpenAI研究员，o1核心作者NoamBrown之口。 NoamBrown，人称“OpenAI推理教父”。在几乎所有人还在卷模型参数的2023年，他就已经开始押注test-time compute scaling（推理时计算） 。 一年后，o1-preview横空出世、震动行业。如今，TTS早已成为行业共识，成了人手一个的“深度思考”按钮。 现在，NoamBrown又带来了他目前的研究方向——多智能体（multi-Agent）系统。 此前，OpenAI发动了10000个Agent，耗时88小时，输出1300亿token，拿下千禧年数学难题。 关于此事，NoamBrown在最新播客中从多智能体系统聊起，深入到了公司经营、RSI发展、超级对齐等领域…… 一个个问题也接连浮现： 当难题越来越少，模型强到一秒解题，将如何继续提升能力？ 如果把这批Agent投入到递归自我改进研发中，会发生什么？ 前沿模型如果一个长任务可以做三个月，而发布周期只有两个月，怎么办？ AI越来越会隐藏自己的思维链，人应该如何监测？ 当AGI已经超越人类智慧，在那时，我们如何知道对齐问题已经解决了？ …… 关于这些问题，对话全文如下。 多智能体系统如何拿下千禧年难题？ 主持人：今天我们对话的是OpenAI研究员Noam Brown。他是o1及此后一系列推理模型的奠基性贡献者之一，目前的研究方向是多智能体系统。 你们上周宣布，一个由1万个不同AI Agent组成的系统，历时88小时、消耗1300亿token，解出了一道千禧年难题。 实际上大约两三年前，你就指出，只要把推理时的算力投入放大，就能预见几年之后模型的基础能力会到什么水平。 我觉得你现在又站到了类似的位置：Agent的规模已大幅扩展，你可以帮我们看清未来的能力会是什么模样。 Noam Brown：我是这样想的，如果你用横轴取test-time compute（推理时计算量），纵轴取这些推理模型的基准成绩，就会看到一条极清晰的规律——模型思考答案的时间越长，表现越好。 人也一样，考SAT的话，如果只给五分钟做完整张卷子，成绩必然很糟糕；给五个小时，成绩就会好得多。 AI模型也差不多，它们会用这段时间来自言自语，理清问题、审视各种情形、排除种种可能，并在已有发现上继续推进。 但问题在于，你不可能干等三年才拿到一个答案。于是很多人开始搞并行化，也就是组团队。 所以说，多智能体是把推理时的计算量由纯串行扩展改为并行扩展的方式。 它的效率会低一些，因为不像单个Agent那样独享全部上下文。但只要做得好，它仍是极为有效的手段。 主持人：接下来我要问一堆外行问题了。这是个尚未发布的模型，外界还没见过这类系统实际如何运作。我很困惑它们究竟有哪些性质、特点。 并且，能在这么短的时间里凝聚如此庞大的认知投入，令我很震惊。 1300亿token意味着什么？换成一个人以全职工作的方式持续地思考，要思考4000年，每天八小时。也就是说，一个人从古代苏美尔一路想到今天所需的时长，被压缩进了88小时里。 而且更让我意外的是，并行化似乎并未带来很多损耗——你们居然能让1万个Agent协作！也许Agent比人更擅长协作，因而快得多，能在如此规模上真正产出成果。 Noam Brown：那就先谈并行化损耗，再谈性质问题。实际上关于把多智能体扩展到这种规模，我们还没有比较扎实的科学认识。 发布5.6时是我们第一次在模型中拥有真正成形的多智能体系统。博客里确实给出了多智能体扩展性能的若干曲线，因为我们把它做成了可选项，即Ultra Mode：默认四个Agent，但可以调得更高。 四个Agent一起解题，速度会快一倍：四个Agent各干一半时长，等于你多付两倍成本，换来快一倍的答案。推到16个Agent，规律类似，效率略低，性能却仍在继续提升。 主持人：随着并行Agent数量增加，串行耗时的缩短是线性的，还是亚线性的？ Noam Brown：略微呈现亚线性，但很大程度上取决于问题本身。比如数学就相当适合并行，而网页搜索以及需要翻阅大量信源的Deep Research报告这类工作，则极其适合并行。 我猜写小说就很难并行：让1万个Agent合写一部长篇，收益大概率不大，就像让1万个人合写一部长篇小说一样。 所以这个表现确实取决于领域。我们的测试最多只能做到16个Agent，如果要把这套研究推到1万个Agent的规模上，那就太贵了。 主持人：可你们刚刚只用了一个周末就做到了。 Noam Brown：那也只是一次实验结果而已，我们并不知道单个Agent解出纳维–斯托克斯问题需要多久，因为这个实验还没做。也许以后会做，可那也仍然只是一次的实验结果。 如果要做完整的消融实验（ablation），那种规模下的开销根本承受不起。所以我们只能做循序渐进的研究，看扩展到64、128、256个Agent时会发生什么，然后摸清行为规律。 但要一路推到1万个，并确切知道1万个Agent相较1000个究竟带来多少收益，就很难了。 而且有一点我得讲清楚：解出千禧年大奖难题，靠的不是多智能体。我甚至不会把其中10%的功劳记在多智能体头上。 归根结底我们能做成这件事，是因为手上有一个通用且极强的模型。多智能体这类东西新奇、抢眼，因此可能获得了与其贡献不成比例的好评。核心原因还是：模型本身足够强大。 主持人：这种泛化能力让我很震惊。我不知道这些系统是怎么训练的，但想必仍是常规的RL（强化学习）套路，准备一大批答案可验证的合成题目。 我猜在训练过程中，模型从未解过像千禧年大奖难题这么有野心的题。可它的泛化足够强…