相关动态
神经疾病药物发现聚焦疾病改变的分子，但致病分子未必是逆转病理的最佳控制点。CircuitATLAS 是来源可追溯的系统神经科学知识图谱与智能体框架，用于回路病靶点发现。图谱覆盖疾病、表型、电生理、回路、脑区、细胞类型和分子效应器，刻意排除疾病-基因和疾病-蛋白直接边以减少捷径推理；含 383 万节点、766 万边，其中 531 万 LLM 提取关系，纳入 Human Cell Atlas 等数据集和新的多模态体内测量。智能体工作流从可测表型经回路与细胞基质推理到分子干预、治疗可行性和临床约束；人类监督的体内 lab-in-the-loop 连接假设生成与实验迭代。智能体提名 ATP1A3 为皮层兴奋性控制点；中间神经元限制性表达 ATP1A3 在体内消除了对局部 4-aminopyridine 挑战的 beta 和 gamma 波段反应；验证靶点进入结构引导小分子项目，defined assay 确定调控方向。
研究提出“人类第六感”（HSS）基准，评测多模态大模型的直觉视觉推理。HSS涵盖图像与视频，按结构化分类组织，配有人类撰写提示，考察人一眼可推断的隐含时间、空间、社会与抽象结构。前沿模型落后于人类：参与者准确率93.1%，最强模型GPT-6-astra在最高推理努力下仅53.6%。作者还探索了在HSS上施加动态视觉操作的智能体设置，虽缩小差距但未弥合。现有视觉基准多面向专家级分析或低层感知，直觉推理基本未被检验；HSS将其确立为可测量维度。
离策略强化学习微调流策略以超越示教备受关注，但针对价值函数微调并不简单：策略需经多个流步骤生成动作。伴随匹配可将最终动作价值信息回传到各流步骤，但每一步都需计算向量-雅可比积。预训练流策略的批平均速度雅可比集中于对角线，据此推导出闭式标量伴随：用流时间缩放最终动作的价值梯度，消除逐步骤向量-雅可比积。标量伴随下需控制策略生成动作处的评论家价值，为此提出SQAM，将标量伴随与价值惩罚结合。SQAM收益集中在OGBench四个最难域，成功率比最强基线高18至35个百分点；真实双臂机器人上微调视觉-语言-动作策略，三个任务均优于监督微调。
大语言模型与视觉语言模型部署后常被冻结，不学习已处理病例；医学领域尤需关注，新证据、指南和疗法会改变实践。微调需权重和额外训练；无参数方法易过拟合固定验证集、缺可靠领域知识或丢失视觉细节。为此，提出模型无关框架，冻结模型通过三类外部专长学习部署经验：指导推理与工具使用的技能、存储可信事实的知识记忆、保留视觉示例并关联检索病例与图像的多模态知识库。仅保留不损害旧病例且助益新病例的更新。六个基准上，用四个基础模型，在线部署时于医学任务上比基础模型提升最高34.2%，可泛化到未见病例、迁移到其他模型，并在非医学领域有效。
Google Research 软件工程师介绍 Google Earth AI 的 Population Dynamics Foundation Model（PDFM），指出传统流行病学监测常受多年报告滞后、数据被僵化地缘边界割裂以及数据稀疏的制约，而传统建模还需大量任务特定的数据收集与定制数据工程。最新工作以五个合作伙伴驱动的案例研究，展示 PDFM 作为行星尺度地理空间基础模型的验证性方案：它用自监督学习把隐私保护的搜索趋势、人类流动、建成环境密度和环境决定因素压缩为位置嵌入，可作为即插即用输入接入现有统计与机器学习模型，增强而非另建流程。无需任务特定微调，这些现成位置嵌入在多种疾病领域、地理环境与流行病学任务上，表现不逊于或优于传统输入。
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 4
本文提出执行对齐渐进噪声（EAPN），用于生成式机器人策略的连续异步重规划。独立随机初始化会造成动作块间模式切换与续接不一致。EAPN 在块间和块内引入结构化随机性：跨重规划步骤传播共享噪声轨迹并与实际执行位移对齐，建立执行对齐的块间相关性；块内则建模沿动作时间的时间相关性。对齐后的随机历史与已执行动作上下文结合以条件化后续生成，使新块从执行一致状态续接，而非从独立噪声重启。研究在 D3IL、Kinetix、LIBERO 和真实机器人操作任务上评估：D3IL 上多模态行为一致性提升，Kinetix 平均成功率为 88.59%；LIBERO 在长推理延迟下保持稳健；真实机器人 Object Storage 与双臂 Cloth Folding 成功率分别为 90.0% 和 96.7%。
在线策略强化学习常受限于奖励稀疏：模型在难题上难以发现正确轨迹，优化过程缺乏有用信号而可能停滞。现有方法依赖与强化学习任务格式一致的辅助数据，常需用更强模型做拒绝采样。Rationale-Guided Policy Optimization（RGPO）依据模型当前能力自适应引入真实理由信息，同时保留其探索自由：参考解不作为固定模仿目标，而是临时脚手架，理由帮助模型生成更优回答后，只把奖励更高的模型生成解回传到原本的无引导设置，因此不要求离线数据遵循同一格式。在纯语言与视觉-语言推理设置中，RGPO 均稳定优于 RLVR 基线；消融研究表明自适应理由引导是这些提升的关键因素。
论文提出LLM-as-Jev框架，在保持架构不变的前提下，直接从带方括号数字标识的下一词元概率中提取校准好的决策输出。框架兼备免训练推理方案与微调目标：以树分解的listwise损失优化候选选择，并用KL散度惩罚把辅助预测锚定在基础模型上。在Qwen3.5-4B与Qwen3-0.6B上的评测显示，免训练时4B模型即可匹配同骨干搭建的社区Jev式模型、优于letter-logit读出，支持任意选项数量，并原生处理基于图像的多模态决策。微调收益是针对性的而非普遍的：显著改善较弱模型与特定任务（如多选项意图路由），对强骨干则收益递减；KL锚点可防止对话文本生成退化，LoRA在较强模型上表现最佳。
非结构化知识编辑（UKE）存在“上下文依赖”缺陷：编辑后的模型往往能复述编辑段落，却难以脱离原文单独召回其中的各项事实。作者指出，段落级编辑目标会低估上下文带来的难度——越靠后的事实获得的真值上下文越丰富，初始损失越低，因而显得更好学。为此提出即插即用框架FOVEATED：编辑时随机平移前序上下文键所分配的RoPE位置，为每个句子构造聚焦视图；扰动在编辑后移除，推理时模型原生位置编码保持不变。该框架同时适配直接优化与先定位后编辑两类编辑器，并给出其抵消难度低估的理论分析，在五个KE编辑器、两个LLM骨干和三个基准上取得一致改进。
VLA基础模型规模不断扩大，带来高昂计算成本，使真实世界部署愈发困难。本文提出FastOPD，一个通过高效同策略蒸馏实现大规模VLA落地的基础模型到轻量模型框架：它为单状态教师监督改造flow map，并结合自一致性目标构建紧凑学生模型以学习教师动力学；作者从理论上证明，最小化该目标可使蒸馏学生恢复出与理想少步教师模型相当的分布。在仿真与真实实验中，FastOPD在LIBERO上仅用两步推理即保留π_{0.5}性能的84%，推理延迟降低78.1%，平均成功率优于现有少步蒸馏基线；以LingBot-VLA为教师，在RoboTwin 2.0上单步成功率较基础学生提高15.9个百分点。作者还展示了其对World Action Model (WAM)的适用性，并将由MolmoAct2蒸馏的紧凑学生部署到真实机器人上。
NAVA-WAM 提出原生动作先验学习，直接从仅含观测的视频预训练动作策略，避免先学视觉表征再迁移到控制、或另建隐动作模型的间接路径。训练分两阶段：先以未来视频的 flow-matching 监督，经过渡结构化联合注意力优化 Action-DiT 并学习与动作相关的先验；再用带动作标注的演示后训练 Action-DiT，通过联合视频—动作 flow matching 实现机器人控制，非对称注意力将视觉分支与迭代动作去噪解耦，支持高效的动作端推理。实验显示该方法在分布内与分布外设定下均稳定优于先前方法，并表现出较强的动作标注效率与真机泛化能力。
针对机器人基础模型（RFMs）多步流匹配推理延迟高的问题，论文提出 Kinematic MeanFlow（K-MF）单步动作生成策略。作者发现直接套用 MeanFlow 会性能崩溃，根源是 RFM 速度场的两种动力学特征：局部加速度早期稳定、去噪末期急剧上升，且各样本幅度差异随去噪推进而扩大。K-MF 依据运动学恒等式把 MeanFlow 的时间导数项拆为由中间点分隔的两个子区间项，分别刻画早、晚期去噪动力学并抑制误差放大。结果显示，K-MF 在从头训练与微调范式的多样任务上实现单步生成，多数设置优于多步流匹配；GR00T-N1.6 动作头延迟在 L40 与 Jetson Orin 上降低 67.5%~74.4%，端到端延迟降低 30.3%~54.9%。
Where-OPD为多模态大语言模型（MLLM）提出一种新的在线自蒸馏方式：教师模型获得关于与问题相关视觉要素的文本化空间引导，据此在多个图像区域定位并整合证据；学生则仅凭图像和问题复现这一行为。训练采用程序化生成的场景，自带物体身份与空间坐标，实现可扩展、免标注的后训练。该方法在多个模型上 consistently 提升计数、文档与图表理解基准的表现；尽管后训练只使用合成场景，提升仍迁移到真实感知基准，在CVBench、V*、ZoomBench、BLINK、HR-Bench和MME-RealWorld上平均提升3.23点，显示出超越后训练任务与数据分布的合成到真实迁移能力。
该数据集面向鞋面机器人加工中三维点云薄加工边界分割任务，共含1,067个样本，其中1,000个为合成点云，另有67个真实场景扫描用于独立评测。合成数据生成流程包含纹理与外观增强、区域感知的几何形变以及传感器退化模拟。两部分均提供三维坐标、RGB属性和逐点二值加工边界标签；合成分支额外带有面板标识，真实数据标签经人工修正。技术验证采用标准点云分割骨干网络，在受控的合成到真实评估协议下检验数据可用性。已发布的点云构成可直接使用的完整数据集，配套代码与资产支持合成子集的再生成与适配。
视频生成已从短视频片段发展为高分辨率、长时序的复杂动态序列，但预训练模型常难以遵循人类意图、维持时间一致性并满足物理与安全约束。相比图像与文本生成，视频对齐面临误差随时间累积、运动与外观耦合、多目标权衡以及时序属性监督有限等挑战。该综述首次系统梳理视频生成的后训练与对齐，按对齐信号的实施方式区分隐式对齐与显式对齐，将现有方法归为监督微调、自训练与蒸馏、基于偏好与奖励的方法、推理时方法四类；同时综述常用数据集、基准与评估实践，并讨论可扩展奖励设计、长时序一致性、稳定性—表达力权衡及安全感知生成等开放问题。
现有低秩权重分解用激活能量、逐层重构误差或损失二次近似等局部准则挑选待删除子空间，忽略误差在网络中的传播，高压缩率下误差随深度累积、性能崩溃。Learnable Subspace Projections（LSP）改为端到端学习这些子空间：冻结预训练权重，为每个线性层或共享激活的绑定层组分配正交投影，以对稠密模型输出分布的KL散度或模型原训练损失为目标联合优化，秩按每个节省参数所诱导的输出KL分配，训练后合并为标准低秩因子，绑定组共享一个因子。在OPT-125M/1.3B、Qwen3-4B、Llama-2-7B与ViT-B/16上LSP均优于基线且优势随压缩增大：-70%压缩下Llama-2-7B的WikiText-2困惑度为10.9、零样本平均准确率42.2%，最强基线为13.3与36.0%；小批量解码最高快1.6倍，128k token上下文下权重与KV缓存合计内存缩小13.5倍，非绑定基线分解至多6.5倍。
UniEvo-VL 是一个让多模态模型自我进化的框架：不依赖独立且通常更大的教师，而让同一个模型在不同上下文下分别扮演教师与学生——学生只看到原始问题，教师则以自我批评为特权信息为条件。训练在学生自身的采样轨迹上，最小化两者去噪扩散分布在每个状态上的散度。在开源 Qwen-image-2512 上，GenEval 从 0.747 提升到 0.808，GenEval2 Soft-TIFA 从 32.97 提升到 35.53，同时保持对额外反思信息的敏感性。尝试更强的外部评审（如 GPT5.6-Luna）显示，具备强判断能力的模型有望触及更高的自我进化上限；文本渲染结果则有好有坏，说明改进未必在各任务间一致。
Quine 是 Microsoft Research AI for Science 的早期阶段研究项目，旨在构建生物学的多模态世界模型。它通过连接不同生物尺度与模态的信息，帮助科学家在计算机上搜索远超直觉所能及的空间，并在实验前优先筛选假设；实验结果则作为反馈，帮助研究者修正后续研究方向。
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。
Isomorphic Labs 把药物发现视为用AI攻克所有疾病的切入点。公司正自主生成数据、训练AI模型、开发软件并搭建物理基础设施，将候选疗法一路推进到临床患者；这套架构旨在跨多种疾病领域和药物类型扩展，从小分子、抗体到肽类等不一而足。文章回顾2021年公司创立时，AI药物发现还只是一个假说，传统路径受制于缓慢且耗费资源的设计—制造—测试迭代循环，AI仅被当作处理狭窄任务的实验工具，而基础模型的兴起正带来转变。作者与 Sir Demis Hassabis 组建创始团队，主张把药物发现当作工程流程，回归第一性原理重建药物设计过程。
EVOKE 是一种后训练方法：在固定环境状态与交互历史下，用替代目标对同一批候选动作重新排序，迫使动作偏好随之改变，使依赖情境习惯或单一目标相关的策略无法给出正确排序，从而隐式引出预训练中已内化的世界知识。原文认为典型后训练缺乏这种引出压力，因为每个状态只用单一目标做监督，会让策略依赖表面的情境习惯。在三种 backbone 上跨多样任务的评估显示，EVOKE 改善了任务性能、对未见环境的泛化能力与数据效率，作者还做了受控分析以理解这些收益的来源。
RLE-Bench 是面向机器人学习工程能力的评测基准，覆盖交互控制、策略学习、感知与估计、机械设计四类代表性机器人开发工作流，以弥补现有基准偏重单一策略或控制器性能的不足。它用多样的任务相关指标评估 coding agent 提交的成果，包括 agent 达到的成功率、训练出的策略、搭建的 harness 以及设计的机械结构，并将这些指标汇总为 RLE Index，同时报告各工作流的能力画像，便于在多个能力维度上系统比较。除排名外，论文还对代表性任务上的 agent 行为开展案例研究，指出其当前能力与局限，以及机器人任务对未来 agent 训练的可能机会。
MM-ABC 是围绕“看、协调与想象”的臂-基协同构建的移动操作基础模型：以稀疏多级 VLM 特征进行空间感知；训练阶段加入以世界想象和几何意图为额外监督的未来分支；并用 MM-APT 通过掩码联合注意力与 clean-action x-prediction 协调操作和移动两条动作流。受控消融显示，把 clean-action 预测换成速度预测，使 RoboCasa365 composite-seen 任务成功率从 32.8% 降至 29.2%，而移除未来监督或多级条件化带来的下降更大。模型在 5,000+ 小时、400K+ 回合、12 个数据集、17 种本体的异构机器人数据上预训练，实验覆盖 EBench、RoboCasa365、ManiSkill-HAB、LIBERO、LIBERO-Plus 及真实移动操作，成功率分别为 44.71%、61.2%、99.1%、82.8%（未做扰动训练）与五项真实任务 83%。
WM-VLM 在预训练视觉-语言模型（VLM）之上加入一个轻量级世界模型分支，用于生成中间视觉状态。其两阶段训练先教会模型生成下一个视觉状态，再学会利用该状态进行推理。研究者以程序化方式构建了带有可验证中间视觉状态的空间推理任务，从而分别评估模型生成视觉状态的质量，以及它在回答问题时对这些状态的依赖程度。在二维和三维心理旋转任务上，WM-VLM 一致优于经过监督微调的骨干模型，增益最高达 39.25 个百分点。消融实验显示，移除或破坏生成的视觉状态会使性能大幅下降，说明这些增益确实依赖于生成的视觉状态。作者认为，内部世界模型为让 VLM 同时在语言空间和视觉空间中推理提供了一条有前景的路径。
多学科肿瘤会诊依靠专家讨论整合多模态临床信息，现有基准很少捕捉这类真实轨迹。OpenTumorBoard 从 YouTube 公开会诊录像转写 12,534 分钟内容，收录 611 个病例、19,157 个讨论轮次，设 SPECIALIST TURN（回答真实讨论中的关键问题）与 BOARD SIMULATION（生成完整往返讨论并在治疗、手术等建议上达成共识）两个评测场景。对 14 个通用前沿及医学 LLM 的评测显示明显局限：最佳模型临床等效性 3.43/5、与会诊结论一致性 2.78/5；监督微调与强化学习在留出测试集上提升表现。三位医学博士专家审阅部分数据，认为病例信息覆盖与事实性高、共识结论保真度强。作者将开源该基准及其自动整理流程。
语言模型如今已能证明定理，但研究者仍决定优先探索哪些问题。作者提出 LANTERN——一条快速且低成本的流程：先用基于预训练模型激活值的分类器为候选关系排序，再经分阶段过滤、假设生成、可执行验证与解析检查。应用于整数数列百科全书（OEIS）后，LANTERN 对 10,000 条常被引用的数列之间 5000 万对组合进行排序，产出 62 条彼此尚无 OEIS 交叉引用的数列对之间的已验证关系。经内容筛后保留 13 条值得呈现的关系，其中 9 条具有信息量或洞见，包括据作者所知完全新颖的 4 条——均未出现在 OEIS 或定向文献检索中。含分类器训练、候选排序、过滤与验证在内的端到端流程耗时不足 8 小时。
东北大学硕士生 Soham Padia 用 Olmo 3 测试众包评估亲社会行为能否暴露小团队易忽略的弱点。他把评估做成游戏 Steering Arena：玩家提交简短文本前缀以影响模型，观察其把 Olmo 3 推向更亲社会回答的强度，并争夺排行榜首位。该评估使用 135 组对比文本，覆盖共情、公平、安全、隐私、尊重等 15 项品质。Padia 通过美国 NSF 支持的 National Deep Inference Fabric 远程使用 Olmo 3-32B。他强调，仅有开放权重不够，Olmo 记录了数据与后训练过程，才能判断亲社会方向源自预训练还是后续微调——多数模型无法回答这一问题。
英矽智能宣布，其与 Liquid AI、Buck Institute for Research on Aging、哈佛医学院及布莱根妇女医院合作的论文成为《Cell》2026年9月17日刊封面，开源一套 AI 长寿研究工具：评估 AI 在衰老生物学多领域推理能力的基准 LongevityBench、基于临床与多组学衰老数据训练的紧凑型开源模型系列 Longevity-LLMs，以及自主整合工具以识别并排序潜在治疗靶点的智能体平台 Longevity Claw。公告同时提及9月7日《Nature Biotechnology》研究：rentosertib（该公司 AI 发现并设计的特发性肺纤维化候选药物）在 IIa 期临床试验中使六种独立蛋白质组衰老时钟反映的生物年龄下降。
该工作评估全模态生成模型MiniMax-H3能否推理物理世界。作者围绕物理世界推理的四个互补维度构建评测框架，并设计四类需要跨模态整合的任务：隐式提示配合多帧、音频-图像、前缀视频以及音频-视频输入。每种模态只提供事件的部分证据，模型须联合互补语义线索，推断潜在事件状态与未来动态。在517个评测实例中，MiniMax-H3总体成功率为41.97%；基于视频的决策推理最高，为56.00%；基于音频的消歧推理最弱，仅27.40%。结果提示，有效多模态整合仍是充分利用多样输入模态优势的关键。
英矽智能（HKEX: 3696）宣布启动 Longevity Vaccines 研究计划，运用生成式AI与可编程RNA药物，设计单次给药、可自我限制的体内细胞疗法，清除衰老相关疾病最早期的致病细胞。该计划由 Pharma.AI 与衰老基础模型驱动，靶向分泌促炎蛋白的衰老细胞、驱动纤维化的活化成纤维细胞以及侵蚀自身耐受的自身反应性淋巴细胞，从免疫系统 rejuvenation 起步。公司称其不处理下游病理，而是在预防窗口内短暂清除起始细胞群；递送方式为靶向脂质纳米颗粒包裹的环状mRNA（cmRNA）短效遗传指令。创始人兼联席CEO Alex Zhavoronkov 表示，该计划把治疗衰老与疾病的理念延伸到预防医学。
现成的单细胞基础模型存在两大问题：预训练需在海量细胞上进行、资源消耗大；基于大语言模型的模型则忽视了文本空间与原始细胞空间之间的巨大异质鸿沟，下游任务能力不足。RAGCell 提出双管齐下的方案：借助 LLM 构建细胞级和特征级知识数据库，作为训练细胞模型的监督信号，显著降低训练成本（优于预训练型 scFM）；同时将细胞表征与双层知识库的文本嵌入对齐，实现文本空间向细胞空间的知识迁移，缓解异质鸿沟（优于 LLM 型 scFM）。在六项下游单细胞分析任务的广泛实验中，RAGCell 性能优于最先进的 scFM，而成本不到预训练型 scFM 的约十分之一。
纯数据驱动方法在计算机视觉和自然语言处理中成绩显著，但机器人学仍受数据有限、真实交互复杂和可靠运行需求制约。该综述回顾物理嵌入式机器人学习，覆盖广泛物理先验、机器人应用和机器学习模型，从单层感知机到生成式基础模型。作者提出统一分类法：物理引导的输入、数据与表示，物理编码的模型架构，物理约束的训练损失函数，并据此回顾动力学学习、轨迹规划、预测、控制与估计及开源软件生态。文章指出开放挑战和未来方向，认为物理先验补充而非取代数据驱动学习，有望推动更泛化、数据高效和可信赖的机器人系统。
RSIAgent 是一个免训练的多智能体框架，通过自主构建记忆实现递归自我改进，面向接口、工具与失败模式未被预训练模型充分覆盖的新环境。它协调课程、执行与验证三类智能体，持续探索环境、验证结果并保留环境专属知识，包括动作、条件与后果之间可复用的因果关系；同时采用先广后深的探索策略：并行的广度型递归自我探索用于发现多样的环境结构，聚焦式深度自我探索用于揭示困难情形、隐藏约束、边界条件与此前未知的因果依赖。生成的记忆被冻结，无需更新模型参数即可直接用于下游任务。在 OSWorld-v2 与 Agent's Last Exam 上的实验显示，RSIAgent 显著提升强开源模型，使 Kimi-K3 与 GLM-5.3 超越包括 GPT-6 在内的前沿闭源模型。
该研究提出 Dynin-Robotics，以全模态掩码扩散主干 Dynin-Omni 将语言、视觉观测、目标和动作统一表示为离散 token，并通过共享轨迹模型把预测引入动作生成与筛选。改变条件与目标片段后，同一模型可学习动作预测、动作条件下的下一观测预测、终态目标预测以及轨迹到指令的重建，从而支持目标引导、候选动作评估与联合精修等测试时扩展。模型在 Open X-Embodiment 的 48 个数据集约 133 万条轨迹上持续预训练。在 VLABench 两项任务中，机器人预训练在固定 Stage-2 步数预算内改善适配；目标引导与动作-下一状态联合去噪的组合进一步提高指令偏移条件下的成功率。在 LIBERO 与零样本 LIBERO-Plus 上表现有竞争力，Franka Research 3 机器人四种操作条件的平均成功率为 78.4%，优化后的块并行实现使模型侧动作解码最高加速 29.2 倍。
King 等人在 Science 上报告了用生成式 AI 设计完整细菌噬菌体基因组。所用基因组语言模型 Evo 1 与 Evo 2 在大规模 DNA 序列数据上预训练，其中包含超过 200 万条噬菌体基因组。生物信息学基准测试显示，模型生成的序列真实，且多样性超出自然界所见。作者以裂解性 Microviridae 噬菌体 ΦX174（基因组约 5.4 kb、含 11 个基因）为设计模板，用约 15,000 条 Microviridae 序列做监督微调，生成 ΦX174 样基因组，再按序列质量、嗜性特异性和进化多样性进行计算筛选，得到 302 个候选噬菌体基因组。该预览未报告这些候选的实验验证。
Nature Computational Science 于2026年9月10日在线发表的这份 Resource 介绍 PathSegmentor：一个基础模型，可通过自然语言提示对160类病理类别进行分割。文中称该模型能在不同数据集与临床队列之间保持泛化，从而支持可扩展、可解释的病理图像分析。doi:10.1038/s43588-026-01042-5。
为应对专业科学领域公开图文资源有限的问题，研究者构建了来自地图相关科学文献的大规模图-文配对数据集 FTPD-ML。该数据集源自制图学、地理学、遥感及相关学科的 96,859 份科学出版物，提供 75,702 对可公开再分发的图-文配对，均遵循知识共享署名（CC BY）许可，包含原始图注、标准化图注变体、上下文段落描述等多层文本表示及书目元数据。不可再分发文献的记录仅以元数据表示，以符合版权与许可要求。数据集可用于图像-文本检索、图像描述、科学文档理解及面向制图的视觉-语言研究。
作者在Reddit上分享其论文Mol-JEPA，称这是一个用于分子的多模态JEPA基础模型，相关工作历时约一年。作者还制作了展示关键结果的摘要网站并附上链接，并用TL;DR概括该模型为多模态分子JEPA模型。作者同时表示性能仍有提升空间，需要继续开展工作，欢迎反馈与建议。帖子本身未提供定量结果或同行评审信息。
数字孪生技术可通过预测性计算表征改变神经科学与生物医学，但多数动物数字孪生仅分别模拟神经回路、解剖或生物力学。作者主张应将其构想为具身动力系统，统一神经活动、躯体力学、感觉反馈与环境交互。他们提出小鼠神经-肌肉骨骼数字孪生“Mus siliconus”，整合X射线CT、高分辨白光切片和Scx-GFP成像的多模态解剖重建，以及生物力学模拟、Bonhoeffer–van der Pol神经动力学和触觉反馈，构成闭合感觉运动回路，行为在连续交互中涌现。该框架有望汇聚计算神经科学、生物力学、AI与机器人学，结合自适应学习和自主实验，或从被动模拟发展为主动科学工具。
随着推理不再只是固定训练模型的静态执行，越来越多研究探索让 AI 系统在部署期间利用测试时信息和额外计算即时改进行为。该综述提出“反馈驱动的测试时智能”（TTI）作为统一视角，关联利用测试时信号修改模型状态的测试时适应、测试时学习，以及借助更多采样和工具使用等推理时资源改进预测的测试时扩展。文章梳理三者的差异及其在混合系统中日益增加的重叠，并评述其在视觉、语言、多模态学习、生成模型、机器人和医疗保健中的方法范式、代表性应用与开放挑战，旨在为测试时自我改进 AI 的研究提供概念基础和路线图。
Puffin-World是一种统一多模态架构，将物理理解、空间模拟与3D世界生成和重建结合，无需外部离线模块。它联合建模物理（重力场与纬度）、几何（深度）和外观（图像）三种原生世界状态，并用统一Omni-Camera表示支持多种任务和灵活运动；还通过在未来帧间传播物理动态、锚定绝对相机属性，实现物理一致且视觉稳定的世界生成。该流程在同一生成过程中耦合外观与几何，联合合成未来视图并重建几何，支持模仿与自校准世界探索等闭环应用。为扩展规模，作者构建Puffin-16M数据集，含1500万组视觉-语言-相机三元组和100万条挑战性运动轨迹，并已发布代码、模型与数据集。
现有多模态评测无法区分视觉-语言模型是看错还是推理错，因为既有分离方法都要在回路中引入第二个模型。我们提出渲染上限：对渲染已知对象的基准，反转冻结相机并重解跨视角对应，可精确恢复图像支持的答案；证明它仅在可枚举的投影巧合下失效，并在2160个渲染晶体结构上确认该集合为空。14个视觉-语言模型中，以文本提供精确几何提升所有模型，但13个的差距被弥补不足一半；无语言组件的监督视觉模型在同一图像上达0.8952，超过所有视觉-语言模型。该工具暴露了会被下游准确率误归因于推理的提取阶段伪造，提供相机放置规则，并可迁移到任何可逆前向渲染基准。
气象再分析以连续且受物理约束的场编码极端天气，这与视觉语言模型主要基于自然图像形成的感知假设并不匹配。研究提出可插拔的物理感知视觉抽象（PAVA），将再分析物理场映射为可视觉识别、具语义基础的感知抽象，用于监督和评估视觉语言推理。基于PAVA，团队构建OmniClimate-TC基准，覆盖5类推理、9项任务，并含243,890个具物理基础的指令微调样本对。经PAVA对齐监督适配后，视觉语言模型在热带气旋灾害场推理上有所改进。
GigaPath-Flash 与 GigaTIME-Flash 是 GigaPath 和 GigaTIME 的更高效版本，通过经蒸馏的病理学基础模型骨干降低计算需求，同时保持性能，使更大患者队列的重复分析成为可能。这些开放模型支持人群规模发现，可帮助研究者利用常规病理数据研究疾病生物学、生物标志物与临床结局。公告同时说明，两者均为研究模型，不拟用于也未经验证可用于诊断、预后、治疗选择等临床决策；性能可能随数据集、扫描仪、机构、人群与用例而变化。
图形用户界面已成为评估自主智能体在多模态交互任务中表现的重要环境。现有基准（如 AndroidWorld 和 MobileWorld）提供了坚实基础，但其应用覆盖与任务设计仍不足以反映真实移动使用的多样性和复杂性。我们提出 GMA，一个用于在挑战性真实场景中评估通用移动助手的基准：基于开源项目引入七款应用，涵盖生活分享、旅行规划等领域，包含四个难度层级共 300 个任务。对八种前沿模型的评估显示，任务越复杂，性能下降越明显，当前智能体仍远不能可靠处理真实用户需求。受控消融实验表明，合理的 agent harness 设计（如上下文保留和显式状态跟踪）能显著提升复杂工作流上的表现，但具体设计的效果会因基础模型而异。
电池预测与健康管理（BPHM）关乎电动汽车、电网储能和消费电子产品的安全可靠与经济运行。传统物理模型和任务中心深度学习方法存在计算效率、跨域泛化、依赖大量标注失效数据及可解释性等瓶颈。该综述首次全面梳理大模型在BPHM中的应用，涵盖Transformer、自监督学习、大规模多模态数据集与PEFT等基础，并从缓解数据稀缺、增强泛化与鲁棒性、融合领域知识提升可解释性、系统级自动化四方面归纳进展，同时指出数据可获取性、智能验证、可信度与部署可行性挑战，提出协作数据生态、工业智能验证、物理信息可信设计及高效端侧部署路线图。
KAIST于28日发布下一代生物AI模型K-Fold，用于预测新药开发所需的蛋白质与药物结合。该项目由政府推动的“AI特定基础模型项目”资助，启动不到一年即公布成果。KAIST称K-Fold性能与世界最佳的AlphaFold 3相当，但速度快25倍；其内部分析显示，K-Fold的分子结构预测精度接近AlphaFold 3，部分评测项更高。在下一代药物平台PROTAC的预测上，K-Fold准确率约高出33%；在药物活性变化预测的基准评测中高出11%。源文提到AlphaFold因用AI解决蛋白质结构瓶颈而获2024年诺贝尔化学奖。
PhysicsNeMo 通用版 v2.2.0 新增 ShardTensor 对 GeoTransolver 与 FLARE 模型的支持；通过 tensordict 的 zarr 后端实现 Mesh/DomainMesh 的 zarr 读写（训练适配 chunking 与 zstd 压缩），需要可选的 zarr>=3。GeoTransolver、FLARE 及 GALE/FLARE 注意力层从实验状态转正；OOD 防护与模型解耦，可用 GuardedGeoTransolver 或 attach_ood_guard 启用，并移除 guard_config 模型参数。另新增天顶/方位角辅助函数、shrink-and-perturb 权重重初始化、隐式域体网格生成，以及 ShardTensor 编译安全子类扩展点。
多模态蛋白质语言模型（pLM）学习序列与结构的联合分布，其生成性能也应关键取决于推理时的采样策略。作者建立三阶段研究框架，在三个代表性pLM和四个基础任务上实证考察推理设计空间，比较普通采样、任务特定的无分类器引导和奖励引导束搜索，分别对应采样分布、每步logits和并行轨迹的控制。围绕探索-利用权衡的互补进展，研究发现默认推理协议并非最优，存在面向任务的采样偏好；在不更新模型参数的情况下持续提升多模态pLM的上限性能；并得出与先前共识不同的基座模型结论。
Google Research 提出 GlucoFM，一种轻量级自监督 CGM 基础模型。其双流设计分别建模较慢的血糖基线趋势与短期波动，并保留时间段与缺失信息；潜在预测目标学习日常情境和时间演变。模型在四个队列、七项临床预测任务（糖尿病风险、胰岛素抵抗、β细胞功能障碍、高脂血症、低血糖、肥胖、血糖型）上完成14项队列-任务评估。与同一语料预训练的最佳 GluFormer 变体相比，GlucoFM 的 PR-AUC 平均高5.8个百分点，并在全部糖尿病风险和β细胞功能障碍评估及四项胰岛素抵抗评估中的三项领先。
分子嵌入模型是计算化学与药物发现的基础设施，可复用向量表示支持性质预测、虚拟筛选和检索。多数分子编码器围绕单一分子视图，产生无条件向量，缺乏语言接口。MolEmb 是一个轻量框架，通过双向对比目标将分子概况与文本描述在共享嵌入空间中对齐，使多模态大语言模型（MLLMs）能依据分子概况和自然语言语义上下文生成条件化嵌入；所得模型在性质预测上具有竞争力，并支持跨模态分子—文本检索。作者另提出诊断基准 MolCAR，发现上下文感知分子嵌入主要是监督的数据属性。结果表明 MLLMs 是通往通用分子嵌入模型的可行且可扩展路线。
对超2亿天体训练的39模态Transformer AION-1的审计显示，其继承巡天目录的不完整性作为系统性偏差。因果干预证明，保持图像token不变仅编辑分割图，会使所有输出改变110-4400倍安慰剂。机制是检测门控，而非光分布。当目录光度被反驳时，性能比无元数据差9倍。以3.68%的未覆盖目标率传播，导致层析红移中位数偏移0.71倍LSST DESC要求，最差箱达8.3倍。光谱法或去除检测通道可消除影响；tokenizer还存在量化限制。
据《自然·计算科学》2026年8月26日在线发表的一项研究，PULSE是一个人工智能框架，利用患者的纵向电子健康档案，从常规临床实验室检测中准确生成模态内与跨模态数据，从而在多种生物医学场景中实现高性价比的精准医疗。该研究公告未提供具体方法细节或验证数据。
CuspAI联合创始人Max Welling认为，下一个AI重大突破可能源于物理学原理。他指出，传统AI研究侧重于计算能力、数据和模型规模，而物理定律如对称性和守恒律可为AI架构提供启发。CuspAI利用生成式AI设计关键领域的新材料，物理信息AI有望加速科学发现与创新。Welling还将神经网络内部动态比作能量景观和相变，强调AI与物理的协同关系。
GenomeHarness是一个用于基因组语言模型下游适配的智能体工作流，通过在微调配方上进行受控搜索来提升可靠性。它结合了提出和修复配方编辑的AI智能体、协议约束执行与资源管理的harness，以及蒙特卡洛树搜索控制器。在DNABERT2和NTv2-100M-Multi上，跨NT Benchmark和Genomic Benchmarks的52个模型-任务设置中（配方冻结后使用三个随机种子评估），GenomeHarness在47个设置中提高了平均测试MCC，包括24/26的DNABERT2设置和23/26的NTv2-100M-Multi设置；在Genomic Benchmarks和根配方不稳定或匹配不佳的任务（如human ocr ensembl任务）上提升尤为明显。搜索轨迹显示它能逐步识别更强的配方，使下游适配成为可控、可审计的流程。
研究提出 PepLLM，一种用于结构化蛋白质-肽界面理解的指令微调框架。给定蛋白质-肽序列，PepLLM 生成机器可读的 JSON 注释，描述肽埋藏状态、氢键密度、盐桥、热点残基、疏水性和静电互补性等界面属性。团队结合结构界面分析、溶剂可及表面积、疏水埋藏与静电势计算及冗余感知数据划分，构建了新的界面数据集。PepLLM 通过非线性适配器连接预训练 ESM 编码器与 LLaMA 解码器，将 ESM 残基嵌入作为软令牌注入提示，生成结构化注释。该工作从单标签预测转向多属性、机制感知生成，为可解释界面分析建立新任务与建模范式。
本文综述了多模态智能体框架，分析多模态性如何影响智能体的感知、推理、规划、记忆和行动等核心模块。文章从文本中心智能体演进到多模态框架，探讨了委派式、晚期融合和早期融合等架构，并提出了以模态为中心的分类法。应用领域涵盖机器人、GUI与网页导航、多媒体内容生成与编辑、长视频理解与检索。此外，分析了性能、效率与可扩展性的权衡，包括训练与推理成本、延迟和部署限制。最后指出关键差距，为构建鲁棒的通用智能系统绘制路线图。
Monroe是一个新的分子基础模型，在超过8100万个分子的PM6量子化学数据集上预训练，改进了立体化学的图表示、训练损失（包括构象去噪和嵌入去相关）以及多任务学习，并使用TabPFN进行下游上下文预测。在Polaris基准上，Monroe匹配或超过现有模型，在活性悬崖基准上显著优于先前方法。消融和迁移实验表明，基于PFN的下游预测器也能提升MiniMol和CheMeleon，分别产生状态-of-the-art变体MiniMol_PFN和CheMeleon_PFN，表明其适应策略具有通用性。
大型语言模型在无法于推理时检索文档的情况下，常难以回答关于固定文档集的问题。为此，研究者提出IAR（注入、对齐、恢复）三阶段后训练框架，用于将语料库转化为可用的参数化知识，以实现无检索问答。IAR将文档知识内化与一般能力恢复分离：注入阶段采用续写、改写及指令条件重建目标；对齐阶段使用仅答案的QA监督；恢复阶段将领域适应模型与基础指令模型合并，以恢复通用能力。在多个模型族（Llama、Phi、Qwen、SmolLM）及数据集上，IAR在领域-通用前沿上优于基线，在7/8设置中平均领域QA准确率提升3.6个百分点，通用性能（IFEval、MMLU、MSBench）平均提升12.1个百分点。
针对不同生物学背景下扰动效应预测的挑战，研究人员提出了一种名为“特征重映射”（signature recontextualization）的基准框架，明确定义了预测任务、目标数据可用性以及基于特征恢复的评估指标。该框架在三种目标背景下评估性能：仅对照组、低覆盖和高覆盖。他们对投影法（projectCor）、网络传播法（netProp）与深度学习基础模型（scGPT、STACK）及统计基线进行了比较，覆盖四种扰动数据集，包括细胞系中的CRISPR敲除和药物扰动，以及大鼠组织的体内化学扰动。结果显示，投影和网络方法在不同扰动类型和背景下表现灵活，有时甚至优于深度学习模型，表明模型复杂度并不必然提升跨背景泛化能力。预测能力与通路保守性、转录响应强度和基线相似性相关。所有数据和方法已作为开源R包sigRecon发布。
一项获EMNLP接受、针对Olmo 3的新研究发现，在测试的药物中，51–59%几乎没有体现出药物特异性知识，另有约12–18%似乎依赖药名词缀（如-pril、-olol、-azoline）作答。研究由得克萨斯大学奥斯汀分校的Kaijie Mo领导，与东北大学和MD Anderson癌症中心合作；团队利用Olmo 3的开放权重、训练语料和中间检查点，将药名词干、词缀或两者替换为无意义字符串，以区分模型依据，并把这一捷径追溯至训练数据。
PixRestore 是一种无 VAE 的像素空间扩散 Transformer，用于统一图像恢复（UIR）。它直接在补丁化像素上进行流匹配，保留细节。通过 LQ-HQ DINO 特征相似度预测层特征可靠性，实现自适应条件融合。在大规模数据上训练，并通过 DINO 对抗目标微调为单步生成器。约 50M 参数和单步推理下，在保真度、感知质量和鲁棒性上优于现有 UIR 模型，且效率更高。更大变体可进一步提升性能，展现了可扩展性。
长期机器人操作需要可靠地执行单个技能并连贯地组合它们。大多数层级视觉-语言-动作（VLA）模型通过单次前向传递做出决策，无法为困难选择分配额外计算。我们提出τ_0-VLA，一种层级机器人基础模型，通过世界模型引导的测试时计算，将高层子任务生成视为可扩展计算量的推理问题。在每一步，高层策略利用执行记忆生成子任务，必要时搜索替代方案；低层策略跨多种机器人形态执行任务。该策略在40,115小时异构真实世界数据上进行了多模态联合训练。在领域内和分布外设置中，增加测试时计算显著提高下一子任务预测准确性，并提升长期操作任务的闭环成功率。
多模态大语言模型常用视觉思维链（Visual CoT），通过生成中间推理图像进行空间、时间和具身推理，但推理开销大。本文提出内化视觉思维（IVT），一种训练后框架，在无标签视频上联合优化文本预测和下一嵌入预测，使模型在推理时直接生成答案而无需合成未来帧。在全部六个评估设置中，IVT优于直接答案微调，且与显式Visual CoT相比性能相当或更好，平均端到端延迟降低超过5倍。结果表明，推理时显式像素空间生成可能并非主动视频推理所必需。
PRISM是一种免训练、免源域的自适应框架，基于仿射噪声假设，认为严重声学噪声在潜在空间中引起低秩仿射偏移，超过90%的失真能量集中于前60个主成分。它利用冻结文本原型作为几何锚点，通过仿射偏置回归合并三种闭式几何校正，推理时仅需一次矩阵向量乘法（0.0009毫秒）。在UrbanSound8K上，相比零样本基线提高12.94个百分点，比依赖特权噪声提示的基线高9.41个百分点。此外，PRISM识别出“复音陷阱”这一子空间降维的失败模式，并通过置信度感知回归解决，为受影响最严重的类别恢复高达8.16个百分点。
Arc Institute联合创始人Patrick Hsu在访谈中探讨了AI在生物学中的广阔应用，远超药物研发。他介绍了他们新发布的基础模型Evo 2，该模型基于海量基因组数据训练，能学习进化模式，可用于识别致病突变、设计新型分子乃至基因组规模的生物系统。Hsu强调，AI模型能加速科研，通过并行测试大量假设，而湿实验验证仍不可或缺。未来医学需整合遗传和实时生物标志物等多源数据。他提到，计算生物学需要真正精通机器学习和生物学的双语人才。
《自然·方法》在线发表研究，通过直接偏好优化（DPO）将预训练蛋白质语言模型与实验稳定性数据对齐，得到ProteinDPO模型，可对热稳定蛋白序列进行评分和生成。应用于H5N1流感血凝素时，在保持抗体识别能力的同时大幅提高其热稳定性。
预训练中热门事实被记忆更深、更难被遗忘，但现有大语言模型（LLM）遗忘方法对不同训练数据频率施加统一梯度压力。我们提出AdaPop（适应性流行度）方法，结合局部token置信度与基于外部代理（如Wikidata页面链接、LLM-as-Judge）的每事实流行度指数，并通过双上升控制器自动调整每轮遗忘-保留平衡。在三个模型族和两个基准上，AdaPop在改写查询下泄漏的遗忘内容比竞争方法少约5倍，在对抗性改写下约1.6倍。内部指标显示，其遗忘集隐藏状态更远离原始模型，而保留集表示保持接近。
CardioState-JEPA是一个心脏基础模型，通过生理感知的联合嵌入预测架构，在ECG、PPG和PCG之间学习共享表征。该模型将异构波形映射到统一的token空间，使用共享Transformer编码器，并预测掩蔽的潜在心脏状态。它利用学习到的延迟对齐器处理电、机械和血流动力学事件之间的时间偏移。在25个下游任务中，冻结编码器在PPG、PCG和ECG上的AUROC分别平均提高8.2、18.8和15.5个百分点，达到或超过基于临床文本或监督标签训练的模型。
V-RAE 提出一种视频表示自编码器，在冻结的视觉基础模型表示上构建紧凑的生成潜在空间。其轻量时间池化模块去除时间冗余并保留语义结构，视频解码器从压缩特征重建连续运动。在 K600 上，V-RAE 的 rFVD 达 2.13，优于所有评估的大规模预训练视频 VAE；在 UCF101 和 K600 上，其最佳变体在匹配生成设置下 gFVD 分别为 117.86 和 19.16，且收敛速度提升高达 6 倍。引入的 tFVD 指标能更可靠地关联下游生成质量。在 Cityscapes 上，V-RAE 对未来视频预测也优于 Wan 2.2 VAE 潜在空间。实验表明，冻结的语义表示可支持视频重建、生成和预测建模。
MindTopo 是一个新基准，用于测试多模态大语言模型的拓扑推理能力，评估其对连通性、封闭性、顺序、分离和打结等概念的理解。该基准既测量静态图像中的识别能力，也测量通过一系列动作保持和操作这些关系的能力。研究发现，当前模型在静态识别上表现较好，但在交互任务中表现不佳，表明它们在时间上维持一致拓扑理解方面存在困难。失败通常发生在规划阶段而非感知阶段，模型在场景变化时会丢失结构关系或提出违反物理约束的动作。这些发现强调了推进 AI 系统在机器人技术和交互环境中发展的机会。
过渡态决定化学反应的速率与结果，但生成式过渡态预测模型在训练域之外的泛化能力尚少有研究。研究者基于小有机分子反应数据集 Transition1x，构建了包含受控元素替换和多样过渡金属配合物的基准，发现模型对训练中未见元素的泛化存在根本局限。采用基于平衡构象的自监督预训练，使模型在定向微调前接触新的化学环境，可在这些基准上改善未见体系的过渡态预测，降低几何结构的中位均方根偏差，并减少微调所需数据量。
Ai2 发布 OlmoEarth 平台，用于支持其地球观测基础模型的大规模推理。该模型基于约 10 TB 多模态卫星数据预训练，已用于森林砍伐监测、粮食安全和野火风险等应用。平台旨在帮助缺乏基础设施的环境组织，提供从微调到推理的完整服务。目前，平台可在约一天内处理覆盖大陆区域的数据，处理数十 TB 影像，成本低于每平方公里一美分。文章还介绍了开发中应对的工程挑战。
在高质量训练数据日益稀缺、预训练成本不断攀升的背景下，圣加仑大学AI教授Damian Borth提出常被忽视的知识来源——已训练好的模型。其团队研究“权重空间学习”，将训练好的神经网络本身视为数据，从数百万GPU小时优化的蒸馏结果中学习，而非每次从原始数据开始。本期探讨构建神经网络基础模型的意义、跨架构跨领域的知识迁移、如何大幅降低专用模型开发成本，以及未来AI系统是否将基于现有模型集合训练而非不断增长的数据集。
预测酶催化性质具有挑战性，现有蛋白质语言模型（PLM）效率低且未能适应酶任务。提出酶特异性PLM EnzGFM，采用Mamba-Transformer混合架构及层次化预训练，在多个基准上优于Transformer PLM，加速2–5倍，并在动力学参数预测、酶-反应映射、EC号分类和突变效应评估上分别提升16.67%、15.69%、13.19%和20.04%。基于EnzGFM的EnzGFM-Agent流程能富集有益变体，减少湿实验筛选负担，有助于实际酶工程。
MolGEN是一种条件流匹配框架，利用确定性最优传输将高斯先验映射到化学分布。在过渡态生成中，它改善了几何和势垒高度预测，并支持亚秒级采样；在产物生成中达到有竞争力的top-k准确度，同时保持质量和电子平衡。MolGEN用同一骨干网络进行过渡态和产物采样，无需模板即可生成反应网络，避免了重复的量子化学搜索。在γ-酮氢过氧化物分解网络中，仅用12次量子化学评估（传统方法需1156次）即可产生更多有效过渡态，并识别出较低能垒路径。
治疗性肽兼具小分子和抗体的优点，但需评估多种可开发性属性。作者介绍了PeptiVerse，一个利用大型基础模型、基于氨基酸序列或修饰肽SMILES进行属性预测的统一平台，在多种任务上达到先进水平，并提供网络界面和开源实现，支持早期药物开发及属性感知的生成式设计。
3月31日，Alan Turing Institute在皇家学会举办AI for Science会议，探讨人工智能如何改变科学发现的性质。会议演讲录像现已在YouTube上发布，涵盖Anna Scaife关于数据密集型天文学中基础模型的演讲、Aron Walsh的Materials on Demand、Scott Hosking的气候AI、Lorenzo Zanisi的AI可控核聚变，以及Miles Cranmer关于外推问题的报告。
蛋白质语言模型及其整合结构或同源序列的模型，通过估计序列似然度 p(序列) 来反映适应度景观，常用于突变效应预测与蛋白设计。然而，研究表明模型性能并非随规模增大而持续提升，超过一定大小后反而下降。原因是模型规模、训练数据和随机因素会使预测的 p(序列) 偏离真实适应度，而最佳预测需与同源序列的进化模式匹配，通常在中等的 p(序列) 水平实现。过大的模型倾向于预测更高的 p(序列)，超出该范围，导致性能降低。该发现阐明了蛋白模型在适应度预测上的缩放行为，并为应用与开发提供了实用指导。
本文探讨了持续预训练中任务构建的控制作用。通常的预训练在训练前就固定了自监督任务规则，而下游反馈仅在完整训练后获得，控制回路粗放。作者提出基于价值的预训练（V-pretraining），将学习器与任务设计者分离：学习器仅用未标注数据的自监督损失更新，轻量级任务设计者则利用少量可验证的下游示例学习如何构造自监督任务（如语言建模中的目标分布或视觉中的视图选择），以更直接、更紧密地利用下游反馈。
Aurora 1.5 是微软 Aurora 地球系统基础模型的重要扩展，新增 22 个与能源、农业、交通和气候风险相关的天气变量，并提供逐小时时间分辨率与概率集合预报。模型已在 GitHub 开源，Hugging Face 提供模型检查点，由 Microsoft Weather 在微软研究院 AI for Science 原模型基础上开发；Aurora 最初于 2024 年推出、2025 年发表于 Nature。新版本将开放研究连接到 Microsoft Weather 服务，支持数据、基础设施、托管访问和业务化应用，并加入了用户最需要的能力之一（原文在此处中断）。
在AAAI/SIGAI博士联盟系列访谈中，麦吉尔大学和Mila-魁北克AI研究所的博士生Thi Kieu Khanh Ho介绍了她的研究。她专注于时间序列异常检测，旨在在标记数据稀缺、嘈杂或受污染的情况下，教会AI系统识别真实世界数据流中的异常。她的方法可应用于医疗、工业监控和预测性维护。她开发了EEG-CGS，一种无需标记癫痫样本即可检测脑电图（EEG）异常通道的自监督框架；以及TSAD-C，一种处理训练数据本身含有异常情况的多元时间序列异常检测框架。她还撰写了关于自监督学习和基于图的时间序列异常检测的综述。
微软研究院推出Aurora 1.5，这是对Aurora大气基础模型的微调版本，专为中期集合天气预报优化。通过三阶段微调流程：扩展变量集和随机化滞后时间嵌入实现原生一小时分辨率；在AdaLN模块中注入高斯噪声并优化CRPS目标实现随机预测；在ECMWF业务分析上进行自回归微调。Aurora 1.5 ENS在中期（1-10天）88.9%的变量上优于ECMWF业务集合，且略微过离散。它还改进了极端事件预测，热带气旋路径误差降低16%，热浪MAE降低58%。该工作表明基础模型微调是实现可靠概率AI天气预报的可行且经济有效的途径。
本期节目中，Osmo 创始人兼 CEO Alex Wiltschko 探讨了赋予计算机嗅觉的目标，以及构建嗅觉智能所需的条件。他解释了如何利用图神经网络和高级嵌入空间来捕捉气味的多样结构，将其分组为感知邻域，并创建预测分子气味的机器学习表示。Osmo 从零开始构建了最大的专有嗅觉数据集，用于训练预测模型。嗅觉智能未来可应用于疾病检测、情感感知和消费设备等领域。
一项跨物种基础模型创建了共享的细胞表征，支持在不同生物数据集间进行零样本迁移。该模型有望为细胞生物学研究提供通用的计算基础，促进数据整合与知识发现。研究强调了模型在跨数据集泛化方面的潜力，但具体技术细节未在文中详述。
NEP89是一个覆盖89种元素的通用神经势能模型，统一了无机与有机体系，旨在实现远超第一性原理方法的模拟速度数个数量级。该模型有望加速材料与化学体系的模拟研究，但具体细节和验证结果有待进一步公开。
地球物种项目（Earth Species Project）发布2025年度报告，总结了在动物语言处理（Animal Language Processing）领域的进展，包括：开发并开源了首个专为分析动物声音设计的大型音频语言模型NatureLM-audio；发表了14篇新论文；与研究虎鲸（与Raincoast保护基金会合作）、斑胸草雀（与麦吉尔大学合作）和腐肉乌鸦（与莱昂大学合作）等物种的研究者开展合作。此外，他们在NeurIPS会议上共同组织了“AI for Non-Human Animal Communication”研讨会，这是该主题首次正式出现在重要AI会议上；他们还共同组织了BioDCASE的多声道对齐挑战赛。
在 Microsoft Research New England 的生成建模与采样研讨会上，Runzhong Wang 介绍了 DiffMS 与 FRIGID 两个生成式 AI 框架，用于基于串联质谱（MS/MS）的分子结构从头解析。DiffMS 是化学式约束的图扩散模型，采用 transformer 谱图编码，并在指纹—结构对上大规模预训练，可直接从实验谱图生成分子结构。FRIGID 在此基础上构建可扩展的扩散语言模型，以数亿个分子结构训练，并通过与 ICEBERG 等正向碎裂模型的循环一致性细化实现推理时扩展，靶向修正与谱图不一致的分子片段。报告指出，这些工作体现了扩散模型、大规模预训练与推理时推理对科学发现和分子鉴定的推进作用。Wang 是 MIT 与 Connor Coley 教授合作的博士后，曾在上海交通大学计算机科学与工程系获学士和博士学位，研究涉及机器学习、优化与计算代谢组学，发表 30 多篇机器学习与 AI fo
Google DeepMind首席执行官、2024年化学诺贝尔奖得主Demis Hassabis在2026年初主张，AlphaFold——如今服务190个国家的三百多万名研究者——是AI驱动科学革命的第一级台阶，而非终点。他在2026年1月21日刊出的Semafor访谈中表示，生成式AI的商业繁荣可能拖慢而非加速更深层的科学突破：高带宽内存短缺与开放研究共享减少带来了扩展阻力，而“跑得没那么快也许是好事”。他强调DeepMind押注多模态训练数据与推理，而非单纯堆算力，“仅靠文本无法更快抵达终点”。在2026年2月的Fortune访谈中，他把长期目标称为“radical abundance”，即AI掌握科学方法、自主运行假设—实验—发表循环，并称10到15年后将迎来“新的发现黄金时代、新的文艺复兴”。
该综述关注进化尺度建模（ESM）系列蛋白质语言模型（PLM）的下游应用。这类模型在大量无标注蛋白质序列数据上训练，能够学习进化过程中塑造蛋白质家族的突变与保守模式，被认为是大语言模型（LLM）与蛋白质表征交汇的重要创新。ESM已成为蛋白质表征及下游生物学任务中广泛使用的基础模型家族。
Wang等人提出MINT框架，通过偏好优化将多模态生物医学模型的知识转移至单模态大语言模型（LLM）。该框架应用于罕见病预测和组织类型分类，在提升任务性能的同时保持通用推理能力，为将稀缺的多模态生物医学知识扩展至更灵活的基础模型提供了实用策略。
insitro宣布扩大与百时美施贵宝（BMS）在肌萎缩侧索硬化（ALS）药物研发上的合作。基于其Virtual Human™因果发现平台，insitro利用机器学习分析来自人类细胞系统的数十亿多模态数据点，发现了此前未知的生物学靶点。BMS提名了两个新的靶点ALS-2和ALS-3，而insitro将推进其针对ALS-1的寡核苷酸项目，同时为BMS推进一个小分子药物。该平台使用超过200种不同的ALS细胞系，包括家族性和散发性病例，并开发了快速生成运动神经元的技术及成像筛选平台。此次扩展强调了在常规方法屡遭失败的疾病中，采取根本性不同策略的价值。
insitro宣布扩大与Bristol Myers Squibb（BMY）在肌萎缩侧索硬化（ALS）领域的战略合作。BMS通过insitro的Virtual Human™平台新提名两个靶点ALS-2和ALS-3，这两个靶点将与此前于2024年12月提名的初始靶点ALS-1共同推进。双方将采用多种治疗模式：insitro推进ALS-1的自身寡核苷酸项目，同时为BMS推进ALS-1的小分子项目。insitro因两个新增靶点的入选获得1000万美元里程碑付款。CEO Daphne Koller表示，该平台能够绘制ALS对运动神经元影响的数据图谱，识别神经退行性病变的新驱动因素，以加速为患者提供疾病修饰疗法。
Demis Hassabis 回顾 AlphaGo 的搜索与学习方法如何延伸到 AlphaFold、AlphaProof、AlphaEvolve 及更广泛的科学 AI。
Hassabis 解释 DeepMind 为何同时押注规模化与算法创新，并把先进 AI 视为科学工具和理解智能的模型。