相关动态
本期 Microsoft Research Podcast 由应用科学家 Chad Atalla 采访微软研究院 partner research manager Jennifer Neville。Neville 谈到评估在推动当今 AI 系统性能边界、满足用户需求方面的作用，以及模型在传统基准测试之外接受测试时出现的“意外失败”。她给出与当前 AI 系统协作的实用建议，强调当结果与预期不符时应仔细查看数据，并分享数十年 AI 进展对她判断未来的启发。她还回顾了自己从数学、物理、认知科学到计算机科学的多转折职业路径。
2026年10月6日，insitro 宣布，其与 Eli Lilly and Company 共同构建、可预测小分子体外及体内性质的先进机器学习模型，现已在 Lilly TuneLab™ 中供部分生物科技公司使用。模型基于 Lilly 数十年研究积累、来自数十万个独特分子的多物种临床前数据训练，为当前从体外实验外推的行业标准做法提供了替代方案，并将随数据集扩充持续更新。该合作于2025年9月宣布，结合了 insitro 的 AI/ML 能力与 Lilly 的 ADMET 专有数据集。insitro 创始人兼 CEO Daphne Koller 表示，进入临床的项目有九成失败，这些模型可先把分子的体内行为变成计算问题。
Meta AI 宣布与数学家合作完成六篇论文，其中五篇给出此前未决研究问题的答案。研究者在 meta.ai 常规聊天界面中使用 Muse Spark 1.1 与 1.2 的 Thinking Mode，未借助定制研究脚手架。合作遵循几项原则：数学家团队主导探索并发展论证，第二组数学家复核，论文标明哪些段落主要由研究者撰写、哪些由 AI 起草，并注明所基于的前人研究与数学思想。Meta 表示，工作完成后获悉 Meta 之外的团队已用不同方法独立宣布解决了其中部分问题，论文中已致谢并说明其与本文的关系。首篇为概率领域论文 The Strict Threshold for Gaussian Ellipsoid Fitting。
约60%的大象低频吼叫发生在两头及以上个体重叠的合鸣中，而这类多发声者交流此前研究甚少，因为难以拆分分析。发表于《Scientific Reports》、与 ElephantVoices 及 Amboseli Trust for Elephants 合作开展的新研究改变了思路：不分离单个叫声，直接用机器学习从合鸣整体提取行为信息。研究分析了1986至2022年间录制的903头成年雌象吼叫。结果显示，从合鸣预测宽泛行为情境明显优于随机水平；在部分协调互动中还观察到发声趋同——交流展开过程中，一些吼叫声在声学上逐渐变得更为相似。
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。
Caltech 数学家联盟发表联合声明，重新设计 Mathathon 活动，新主题定为 Old Problems, New Proofs。发起者认为解题只是数学的一个组成部分，数学理解与阐释同样有意义，却常被资助方和招聘委员会忽视。参与者须挑选一个解答反直觉的问题（如四色定理、ABC 猜想、Navier-Stokes 问题），在 40 小时内尽可能深入学习并向同伴汇报，随后用两个月发展替代理证或阐释，提交 explainer 与 GitHub 仓库，公开 LLM 对话记录、可视化代码等材料。声明强调 Mathathon 把 AI 视为数学家可用的众多工具之一。
新加坡南洋理工大学（NTU Singapore）的科学家开发了两个人工智能平台，有望更准确地预测会发生相分离的蛋白质。相分离是指细胞内的蛋白质像水中油滴一样分离，凝聚成液滴状区室，使细胞得以聚集分子、加快或抑制反应，从而迅速应对胁迫；这一过程失调时会形成异常凝聚体或聚集体，与癌症、阿尔茨海默病等疾病相关，在植物中则与抗逆反应和抗病免疫受损有关。研究系统分析了动物、植物、真菌及细菌等生物中预测的相分离蛋白，并获得了对该过程的基础认识。该研究由生物科学学院Miao Yansong教授牵头，与电机电子工程学院Weibo Gao教授合作，成果发表于同行评议期刊Molecular Plant。
这条 9 月 22 日的二手报道介绍了 Anthropic 在湾区设立生物学实验室，并转述让 Claude 指挥机器人实验的计划。9 月 23 日的 Anthropic 官方公告则明确说明，所介绍实验室的全部实验操作由人类科学家完成；Claude 负责基因组搜索、提出候选系统与辅助分析。两篇材料的时间和主张不同，不能将机器人的计划性报道写成已经实现的无人实验能力。官方公告中的 ART 酶系统功能仍在研究中。
巴黎索邦大学的Jean-Olivier Irisson研究海洋微型生物。他说浮游生物外形多样且美丽。浮游生物是海洋生态系统的基础，能帮助移除大气中的二氧化碳；Irisson称全球一半光合作用由浮游生物完成，它们也是海洋食物链的基础。但研究费时：水样中大量生物需在显微镜下逐一识别分类。Irisson表示，团队已用软件捕获和处理图像，单个数据集就有220万张个体生物图像，人工无法分类，AI可快速完成。水下相机与环境传感器让监测数据远超人工分析能力。iMagine的Gergely Sipos称，更快、更便宜的监测能让浮游生物减少、垃圾堆积、石油泄漏和珊瑚退化更早被发现并采取行动。欧盟资助的iMagine项目汇集11个欧洲国家的水生科学家和数字专家，于2022至2025年开发AI工具，帮助研究人员处理信息。
SAIR Foundation 与加州理工学院 Math-AI 团队合作，由 Sergei Gukov、Terence Tao 和 Lucas Fagan 组织的 Andrews–Curtis 猜想挑战赛今日开放。该猜想是组合群论的重要开放问题，并与低维拓扑、奇异光滑四球面、光滑四维 Poincaré 猜想及 Generalized Property R 猜想相关；其解可写成易于验证的组合搜索问题。参赛者需通过 AC1 反转、AC2 相乘、AC3 共轭等不改变底层群的移动，把平衡表示化为平凡表示。Caltech 此前用强化学习和组合搜索处理潜在反例，但许多重要情形仍无进展；组织者希望借助近期 AI 进展解决或证伪该猜想。最著名的 Akbulut–Kirby 族中，AC-平凡性仍开放。
本报告整合“2026 Workshop on Next-Generation Ecosystems for Scientific Computing”的讨论；该研讨会是三年系列中的第二届，旨在以社会-技术协同设计强化科学计算生态系统。报告指出，人工智能、异构计算、自动化与数据密集型研究正重塑科学计算工具，以及支撑科学发现的机构、人才模式和协作实践。四个相互依存的战略主题被提出：面向AI驱动科学发现的软件生态系统；信任、验证与可追溯性；人-AI协作与范式转变；人才、教学与治理。报告进而将其转化为八项社区行动优先事项，涵盖共享研究基础设施、信任与可追溯性、用户体验、人-AI协作、人才培养、跨部门协调、管理与可持续性，以及科学价值评估，为AI在科学工作中作用日增之际建设可信、可持续、创新且有韧性的科学计算生态系统提供方向。
Ai2 与 Providence Swedish Cancer Institute 宣布合作推进AI辅助科学发现，包括在浸润性小叶乳腺癌方面的临床相关研究发现，以及为保护临床数据安全而进行的本地部署。联合团队使用 AutoDiscovery 分析一个被广泛研究的乳腺癌数据集，发现浸润性小叶乳腺癌的免疫特征比以往认知更强，并在独立患者数据集和实验室分析中得到验证。结果表明，美国每年确诊的约15%的乳腺癌患者可能有机会从免疫治疗中获益。
ResiliFlow 是一个开放的交通世界模型概念及已实现平台，用于基础设施韧性、响应与恢复。平台连接两个工作区：灾害交通韧性分析提供六项地图中心功能（关键道路/区域识别、恢复排序、中断绕行、韧性测试、情景模拟）；AI交通基础设施感知与决策支持汇集街景与卫星证据，识别道路、人行道和路缘状况，并为人审阅的干预规划做准备。两者共享感知、预测、模型开发、验证、执行、决策、反馈、记忆八步循环；研究验证记录假设与检查，本地Assistant与可选多供应商LLM Copilot将用户问题转化为对可执行工具的有界调用。示例显示对八类可见状况的准确识别，错误分析说明困难案例如何引导持续学习。随附发布支持机构审查下的协作、公众审视与扩展。
人工智能天气预报系统通常每六小时提供一次预报，但无法捕捉其间天气的连续变化。为此，MET Norway与ECMWF合作开发了数据驱动的概率时间降尺度方法HourGlass，从六小时预报重建逐小时的大气演变，保持与原始预报一致，同时避免误差累积。该方法已在全球和区域预报系统中成功评估，并将于今年晚些时候纳入ECMWF业务预报系统（AIFS v3），为AIFS Single和Ensemble提供关键地表变量的逐小时预报。在MET Norway，HourGlass已近实时运行，供预报员评估，并计划用于Bris集合预报系统。HourGlass采用CRPS的变体，以避免确定性训练导致的过于平滑问题，从而保持小尺度变率。
目前，从常规光谱数据中自动解析分子结构仍具挑战。研究团队提出MACROS多智能体系统，模拟专家迭代假设检验过程。该系统在1亿模拟及160万实验光谱-分子对上训练，支持任意常规光谱组合，能对真实样品实现零样本泛化，正确识别分子量大于500道尔顿的合成化合物、天然产物及代谢物。MACROS还能自发从无标注数据中恢复教科书式光谱关联，并展现环优先解析等化学直觉。与化学家协作时，解析速度提升六倍，准确率提高40%，为全自动结构解析奠定基础。
AI系统日益能贡献数学研究，但前沿模型推理和专家评审都是稀缺资源，需合理分配。现有AI数学工作流中，人类精力集中在选题和评审两端，成为瓶颈。为此，研究者提出新的人机协同发现范式，人类提供研究方向，系统在文献中搜索候选问题。他们构建了名为FAR（Find, Attempt, Recommend）的流水线，从5245篇组合学论文中恢复6453个候选猜想或开放问题，筛选出4717个表述良好且仍未解决的问题，经推理和自动筛选后，选出598个潜在解法，最终77项进入作者团队评审，其中包含对Davies–Jenssen–Perkins–Roberts、Erdős–Straus、Ikenmeyer–Pak–Panova及Lund–Saraf–Wolf等猜想和问题的发现，展示了这种新协作模式的有效性。
这是一项一方原型展示，不是准确率研究。真正可迁移的是工作流：历史科学文献先变成结构化记录，再接入现代分类体系，最后做成可探索界面。原帖没有报告专家复核、错误率或可复用数据集，因此目前不能把结果当成已经验证的分类学数据。
WorldRover是一个数据引擎，用于生成艺术家构建环境的丰富标注、长距离探索。其核心WorldRover-Engine是Unreal Engine管线，可执行并离线渲染分钟级路线，同时保留完整轨迹和场景几何。同一探索可在不同环境状态下从第一人称、第三人称和360度全景相机重放。利用该引擎构建了WorldRover-10M数据集，序列将RGB与公制深度、相机轨迹和轨迹导出的动作信号配对。第三人称子集额外提供密集光流、带可见性的长距离2D/3D点跟踪，以及区别于相机轨迹的角色轨迹。该引擎可将遍历从不同视角渲染，同时保留路线和几何，从而将长视野世界探索转化为可扩展的数据生成问题。
从大型植物化学物和合成分子库中筛选候选药物，往往需要大量实验、计算与人工准备。研究者开发了云端分子对接平台 FlexAutoDock，试图把蛋白质—配体对接和大规模虚拟筛选整合到同一工作流中。平台汇集药用植物来源的植物化学物、其他生物活性化合物及 ZINC 合成化合物，并支持通过植物或生物名称、化学名称、SMILES、PubChem CID 和药物名称检索配体。它主要解决现有工具中化合物库分散、植物与成分映射不足、蛋白质和配体准备依赖手工，以及多靶点筛选不便等问题。当前公开摘要重点介绍平台设计与功能，尚未给出足以判断对接精度或实验有效性的量化验证结果，因此实际性能仍需回到原文和平台测试核验。
动作条件视频世界模型需要低延迟因果生成，但对交互式模型的少步合成仍有挑战。ForgeWM通过域自适应、教师强制因果训练、因果一致性蒸馏及与双向教师的在线分布匹配，将双向生成器转化为高效少步世界模型，学生模型在1、2、4步去噪预算下运行。在配对Minecraft轨迹上，ForgeWM在成像质量、参考对齐运动一致性、动作信号和鼠标控制准确性上领先，并取得最低参考LPIPS；该四阶段方案也适用于游戏手柄控制的FPS。回放时细化可匹配四步参考质量，且比从噪声重新生成更接近真实轨迹约三倍。
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。
Gowers 并未把现象简单归结为模型偏爱存在性命题。他更关心求解过程：模型可以跨领域调用知识，并行尝试大量人类不会投入的低概率路径；短板则可能是数学家的“鼻子”——能否尽早判断哪条路值得走、迅速剪掉无望分支。他给出的更高验收标准是：AI 不只做出答案，还提出真正新颖、出人意料、事后看来又自然，并能被其他数学家继续复用的方法。
英矽智能与哥本哈根大学等合作者在《Science Signaling》发表联合研究，结合计算转录组分析、高内涵遗传筛选、分子生物学和大规模癌细胞分析，将NDRG1鉴定为DNA损伤修复的关键调控因子。破坏NDRG1–VCP相互作用会损害关键DNA修复蛋白募集，并在特定癌症亚型中触发合成致死，尤其见于携带MLH1或PARP3突变的结直肠癌。NDRG1高表达的癌细胞系对抗疟药物奎纳克林敏感；该药损害DDR蛋白经泛素化依赖方式募集至DNA损伤位点，MLH1/PARP3突变的结直肠癌细胞对奎纳克林或NDRG1敲低尤为敏感。
热带气旋是破坏性最强的天气系统之一，而AI模型在预测其路径方面虽有进步，但在强度预报上常低估风暴威力。剑桥大学的团队提出一种简单方法：不是重建模型，而是基于现有的人工智能预报系统（AIFS），学习并修正其偏差。该修正利用AIFS预报中的轨道、强度及三维大气场信息。在2025年未参与训练的飓风上测试，其最大风速和最低中心气压的预报性能与领先业务及AI系统相当。关键在于AIFS分辨率约0.25°，不足以完全解析气旋内核，导致平滑效应。
授粉是地球最重要的生态过程之一，但了解不同昆虫如何贡献于授粉仍然困难。许多蜜蜂访花但不都传粉，传统区分生态功能需要劳动密集的田间实验，难以规模化。在2025年NeurIPS非人类动物通讯AI研讨会中，Alef Iury Siqueira Ferreira介绍了团队开发的声学模型，按生态功能对蜜蜂分类，提供可扩展的授粉研究方法。文章讨论了测量授粉质量的挑战、功能监测相比物种清单的优势，以及ML如何帮助理解传粉者、植物与生态系统之间的关系。
荷兰 Naturalis 生物多样性中心的 Dan Stowell 教授领导“BioacAI”项目，旨在利用人工智能分析庞大的野生动物声音数据，以更高效地监测生物多样性。这一为期四年、由欧盟资助的项目汇集了欧洲和英国的研究人员，开发能自动识别物种的AI工具，预计2027年结束。同时，项目通过博士网络培养兼具声学、AI、动物学和生态学知识的“全栈”人才，以应对领域内技能短缺的挑战。
在形式化与AI工具的交汇处，反例成为焦点。2026年5月20日，ChatGPT反驳了离散几何中的Erdős单位距离猜想，人类数学家虽经核查但未在Lean中形式化。五天后，Logical Intelligence（由Turing奖得主Yann LeCun共同创立）将其自动形式化于Lean中。该证明依赖Golod-Shafarevich定理，该定理的证明需100多页且涉及全局类域论，目前全局情形尚未形式化。Buzzard的学生Edison Xie正在完成局部情形的PhD项目。
传统机器人学习依赖真实机器人采集演示和评估策略，耗时昂贵且难以复现。我们提出交互式世界模拟器：一种学习式的、以动作条件化的视频预测模型，仅根据当前图像和动作序列预测后续像素帧，无需物理引擎。在单个RTX 4090上以15 FPS运行超过10分钟，预测视频稳定且物理合理。该方法可降低数据生成成本并实现可扩展的评估。我们在四个任务上训练：T型推（刚体接触）、绳索布线（柔性-刚性交互）、抓取杯子（精细夹爪动力学）和扫堆（物体堆操作），全部仅从交互数据学习，无硬编码物理先验。
机器学习正在从研究边缘走向天气预报核心，有望实现更快、更及时且可能更低成本的预报。ECMWF机器学习项目（MLP）由挪威气象研究所和瑞士气象局牵头，联合ECMWF及17个国家气象部门，于2024年在EUMETNET E-AI计划下启动。项目不聚焦单一模型，而是探索区域到全球业务化ML预报所需的基础设施、数据和工作流程，促进欧洲各国气象部门共享知识，共同应对转型挑战。
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。
自主实验室（即自主实验）系统通过定义明确的窄研究加速科学发现，使科学家学习更快、资源消耗更少、失败更明智。下一代材料实验室需结合自主系统应对更广泛挑战，在优化实验室资源的同时协调复杂研究活动。我们提出基于智能体与代理式人工智能将成为下一代实验室管理的核心，并探讨潜在实施方案。数字与实体沙盒将允许科学家评估多样动态的研究与实验室管理策略，并实现计算科学哲学研究，提升更高层次的科学效率。
公民科学项目产生的生态数据量庞大，但手动分析海量录音耗时且困难。Earth Species Project的Julia Tan在NeurIPS 2025的“AI for Non-Human Communication”研讨会上发表论文，展示了如何利用AI流水线从嘈杂的公民科学录音中提取有用信息。她评估了旗舰模型NatureLM-audio在分析数十万条蛙类录音中的表现，发现即使不进行微调，该模型也展现出强大性能和节省时间的潜力，有助于支持大规模生物多样性监测。
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。
晶泰科技（XtalPi）宣布与一家国际生物制药公司达成价值逾4亿美元的战略合作，开发靶向G蛋白偶联受体（GPCR）的口服小分子疗法。此前试点阶段中，其量子物理与AI算法已提高命中率。合作方将支付首付款并资助早期研发；晶泰科技还有望获得临床前、临床和商业化里程碑付款及未来特许权使用费。该GPCR因构象可塑性极强，小分子难以选择性结合配体口袋；团队采用多尺度增强采样模拟、动态多构象筛选、XFEP自由能微扰平台预测结合亲和力，后续将使用基于结构的药物设计平台，整合量子物理、生成式AI和多智能体系统支持的大规模自动化化学合成。
在野外，斑胸草雀并非孤立鸣唱，而是在动态社会群体中相互呼唤。生态学家理解这种交流需要知道谁在与谁通信，但个体级别的追踪一直困难。生态学家Hugo Loning与AI研究员Aneesh Chauhan合作，应用Earth Species Project开发的自我监督生物声学模型BirdAVES，从野外录音中识别个体斑胸草雀，生成“谁在何时歌唱”的时间线，从而研究社会行为、移动和信息共享。该论文已被NeurIPS 2025首届非人类动物AI研讨会接受。
本文由Tanya Klowden和陶哲轩联合撰写，探讨人工智能与形式化如何改变数学的目的、实践及社会角色。文章指出，AI和数学形式化可能重塑数学研究的本质，影响数学家的日常工作方式以及数学在科学和社会中的应用。作者强调，尽管AI工具日益强大，但人类的数学直觉和创造性思维仍不可或缺，技术变革将重塑人与数学的关系。
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。
insitro 宣布将收购 CombinAbleAI，并同步推出 TherML（治疗机器学习）平台，该平台被描述为单一、模态无关的 AI 引擎，用于药物发现和设计。交易预计于 2026 年 1 月下旬完成，旨在将 insitro 的能力从小分子和寡核苷酸扩展至抗体及其他复杂生物制品，构建从靶点发现到可开发性评估的端到端系统。TherML 利用生物学指导模态选择和分子设计，将可开发性考量（如稳定性和可制造性）提前，而非先优化效力再评估可制造性。对于复杂生物制品，TherML 将整合 CombinAbleAI 的物理信息优化引擎，该引擎已在超过 10 万个分子动力学替代模型上进行了预训练，以预测蛋白质结构和柔性。小分子方面，TherML 利用定量自适应文库映射化学空间并生成局部训练数据；寡核苷酸方面，应用 AI 和自动化实现 siRNA 候选设计的工业化。平台还包括基于内部数据集和行业合作数据构建的 ADMET 预测模型。收购后，C
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。
Google DeepMind与数学家陶哲轩等合作者本周发表论文，介绍AlphaEvolve推动的数学发现。该工作展示了纯数学中人机协作的新方法。该系统处理了67个挑战性问题，既重新发现顶尖解，也为若干长期挑战找到新构造。AlphaEvolve被称为“通用进化编码代理”，借助Gemini等大语言模型提出、测试并迭代改进算法解，建立在DeepMind 2025年5月首次发布该工具的工作之上。陶哲轩在博客中解释，其核心是进化用于寻找解的Python代码，而非直接构造数学对象；“搜索模式”让一次较慢的LLM调用触发大规模廉价计算，并自行探索数百万种可能性，“泛化模式”则寻找对任意给定数成立的公式。研究者称，许多问题的平均准备时间最多只需几小时。源文本在列举具体新方法处截断。
计算机证明数学正处于有趣时期。对于计算机能否自主证明研究级数学定理，作者持不确定态度，但更看好AI成为数学家的有用助手，正如其当前用Lean教授研究级定义和证明的工作。就IMO问题而言，有四种公开尝试：两种用语言模型写英文证明（非形式化），两种用语言模型与Lean混合（形式化）。作者担忧非形式化方法：期刊收到越来越多由LLM生成的看似合理的论文，且有时未披露使用，并列举LLM论文与人类论文的差异，如LLM倾向于迎合。
FutureHouse的科学主管Andrew White阐述了其代理堆栈，包括一个药物再利用案例，并强调科学出版和评估必须为机器读者重新设计。