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。
在 ICML 2026 上，Dezhi Luo、Yijiang Li 等人发表论文《Vision Language Models Cannot Reason About Physical Transformation》。作者 William Yijiang Li 在访谈中介绍，研究追问视觉语言模型是否真的理解物理世界随时间的变化。团队以“守恒”为切入点：水从矮宽杯倒入高窄杯，外观大变而水量不变；硬币间距拉开也不改变数量。这些任务对人很简单，却要求区分外观变化与底层物理状态变化，对具身 AI 尤为关键。作者称研究有三方面贡献，首要一点是当前模型难以在变化中维持并更新稳定的物理表征；受控实验显示，答对守恒类问题未必意味着模型理解了底层转换。
Google DeepMind 研究人员开发出蛋白水印方法 SynthID Bio，可将可检测的签名直接嵌入 AI 生成的氨基酸序列或预测的三维结构中。序列方案在模型生成时微妙改变氨基酸选择方式，检测需凭密钥；结构方案则微调了部分 AlphaFold 3，使水印写入模型预测的原子坐标。测试中，推荐版结构方法在 0.1% 假阳性率下检测率超过 99.8%，且关键结构精度指标相对 AlphaFold 3 基线没有下降。据在 Nature 报告的实验室结果，带水印的蛋白结合体在 VEGF-A、PD-L1 及 SARS-CoV-2 刺突蛋白受体结合域三个靶点上均保持功能。
研究者介绍模块化生物传感器 Detectrons，它将可编程的 toehold 开关与 retron 介导的逆转录耦合，把 RNA 输入转导为独特 DNA 条形码，从而在活细胞内把动态 RNA 信号变为持久 DNA 记录。该框架支持转录本感知的替代模式，应用包括病毒感染检测。作者构建了合成 toehold retron 文库并结合机器学习，总结出提升信号强度与特异性的关键设计原则。Detectrons 被用于多重活细胞检测特定噬菌体感染，实现转录本触发的条形码合成，并在混合细菌群体中进行定量的宿主易感性分析，为噬菌体筛选以及复杂细菌群落中转录事件的记录提供可扩展、可泛化的策略。
基于物理的神经形态计算有望提升性能与能效，但训练大多仍在硅基仿真中进行，需要昂贵的物理建模，且受制造误差影响。研究者提出片上原位物理梯度下降方法 INSPIRE，利用片上合成时间反转全息测量双向光子模式的完整复振幅场，从而直接在物理系统内计算梯度并更新参数。该框架不依赖具体拓扑，可兼容多种光学回路。实验所得训练矩阵相对误差为 0.26%，并在散射介质中实现了规模超过原生可调元件数量的矩阵的原位训练。INSPIRE 还使 meta-photonic 回路能进行原位 meta-learning，实现单次光子学习，模型压缩 251 倍、特定任务训练加速 136 倍。
FairRSFM 是一个生物群落感知的遥感基础模型（RSFM）基准，将 14 个陆地生物群落类别映射为六个生态学上有意义的宏组，在统一的冻结骨干协议下评测，覆盖 m-EuroSAT、m-BigEarthNet、m-SA-Crop-Type 与 MMEarth20K 四个下游数据集。在 Prithvi-EO-2.0、SatMAE、DOFA 及三个随机种子上的结果表明，聚合指标持续掩盖随生物群落而异的差距：Prithvi-EO-2.0 在 m-EuroSAT 上整体 macro-F1 为 90.98%，最差组均值却只有 83.72%；m-SA-Crop-Type 整体 mIoU 从 27.30% 降至干旱与矿物组的 18.47%。BOLP、DBR、GroupDRO 三种缓解基线的效果因模型和任务而异，例如 BOLP 在不更新骨干的情况下将 Prithvi-EO-2.0 在 m-BigEarthNet 上的最差组 F1@opt 从 46.12% 提升至 50.27%。