清华大学发布单细胞蛋白组基础模型 ProtCell,利用摩尔线程 S5000 智算卡成功完成“虚拟细胞”预训练复现
清华大学自动化系江瑞课题组发布单细胞蛋白组基础模型 ProtCell,该模型汇集约 3.8 亿个细胞及 98 个公开数据集用于预训练与评估。团队在摩尔线程 MTT S5000 智算卡上成功完成全流程预训练复现,主要定量评测指标与国际主流 GPU 平台差异仅约 0.2%。此举验证了国产算力对前沿生命科学基础模型的承载力,为构建自主可控的“虚拟细胞”提供关键支撑。
清华大学自动化系江瑞课题组发布单细胞蛋白组基础模型 ProtCell,该模型汇集约 3.8 亿个细胞及 98 个公开数据集用于预训练与评估。团队在摩尔线程 MTT S5000 智算卡上成功完成全流程预训练复现,主要定量评测指标与国际主流 GPU 平台差异仅约 0.2%。此举验证了国产算力对前沿生命科学基础模型的承载力,为构建自主可控的“虚拟细胞”提供关键支撑。
Google DeepMind 于2026年11月13日开放 SatWeave 与 PARDIG 数据集支撑 WeatherNext 3。SatWeave 每小时更新全球17通道卫星云图,PARDIG 提供15分钟约10公里分辨率降水估计且精度优于 IMERG-Final。两数据集历史与实时数据已在 Google Cloud Storage 开放供研究使用。
Elith 与 NVIDIA 发布 Nemotron-Personas-Finance-Japan,这是首个百万级规模的日本金融领域开源合成数据集。该数据集包含 900 万个人物画像和约 15 亿 token,基于官方统计数据构建,支持商业使用。此前该系列仅包含基础人口统计信息,此次扩展旨在解决金融 AI 开发中的隐私合规难题。
谷歌在 Nature 发表研究,推出 AI-PPG-ACC-HTN 多模态 AI 系统,无需袖带即可用消费级智能手表被动检测高血压。该系统聚合多天被动生理特征识别持续高血压状态,临床试验初步筛查特异度90%、阳性预测值80.6%,确诊检测阳性预测值96.7%,已支撑谷歌健康应用血压趋势功能。
Google Research 的 AI 利用智能手表脉冲与运动传感器无需血压袖带即可检测高血压迹象,研究发表于 Nature。该神经网络从近 50 万小时数据学习典型脉搏模式,在 196 人研究中以 65.8% 敏感性优于传统诊室测量的 55.3%。方法已整合进 Google Health 应用的血压趋势功能,但仍是研究项目不替代诊断。
中国科学技术大学发布开源 RNA 序列基础模型 structRFM,相关成果发表于 Nature。团队构建约2100万条序列-二级结构配对数据预训练,已开放权重、源代码及数据于 https://github.com/heqin-zhu/structRFM,在多项 RNA 结构预测与功能推断任务达前沿水平。这是2026年至今该校在 Nature、Science、Cell 第16篇成果。
研究提出“Weight Space Programming”,让 LLM 直接读取和编辑较小模型的权重,实现类似修复 bug 或从零生成网络权重的能力。该发现被视为递归自我改进(RSI)从 0 到 1 的突破,但当前仅适用于简单游戏和 RL 策略。此前 Karpathy 曾展示通过代码编写实现自主训练,而新方法跳过了代码层直接操作底层参数。
剑桥大学等研究团队训练数千套人工神经网络发现,高好奇心模型自发形成类脑模块结构,且在未见过的新测试里表现更好。实验基于275名8至15个月婴儿眼动数据构建不同好奇心水平的网络并完成20项任务,推测好奇心驱动信息增益筛选机制或与突触修剪有关。该研究参与柔性类人AI方向讨论,认为好奇心驱动路径或比单纯规模扩展更贴近人类认知演化。
Adobe Research 与 UC San Diego 在论文中提出 EditAgent 系统,用验证数据辅助语言模型评估图像编辑候选结果。该系统在 600 项编辑测试中使标准模型 Qwen3.8-27B 可用选择率达 81.3%,超越微调模型 EditScore-72B 的 74.8%。
谷歌研究团队公开睡眠框架论文,提出让大模型借睡眠阶段巩固记忆以缓解灾难性遗忘。该框架可处理最长约1000万token上下文,并在AIME 24/25等数学基准取得更高准确率。论文题为《Language Models Need Sleep: Learning to Self-Modify and Consolidate Memories》。
人工智能语言公平研究联盟发布的研究显示,不同语言在AI模型中的Token消耗量最高相差17倍,非英语用户面临更高费用和更慢响应。研究指出分词器主要按英语优化且训练数据不均等是原因,改善需专门改进下一代分词器设计。
Google Research 提出 sleep 框架,通过交替主动交互与离线记忆整合使 LLM 持续学习新事实且不灾难性遗忘。该框架利用 MoE 参数扩展与知识蒸馏将短期上下文固化为长期参数,在 BABILong 基准上实现 10M tokens 长上下文近完美缩放,并在 AIME 24/25 与 HMMT 25 推理任务取得 79.2%、69.0%、46.1% 精度,优于 SFT 等基线。
纽约大学和得州大学奥斯汀分校的研究发现AI模型生成的文本因六种语言模式而更难阅读。团队对比120段对话、45次编程会话和980篇论说文与人类文本,指出训练从RLHF转向RLVR奖励信息密度而非清晰度。Claude Opus 5.5经针对性微调在21项比较中19项优于Opus 5,可读性提升。
Ai2 发布 FairStress 基准,用于衡量大语言模型在影响人的决策中超越最终选择的群体公平性。该基准包含 300 个双候选决策场景,结合对抗前缀扩展至超过 13 million 测试案例,实验显示模型受挑战时放弃正确决策存在群体不对称,这是 Ai2 开放评估工作的一部分。
推荐理由:该基准通过引入对抗前缀与身份变量测试决策稳定性,揭示标准公平性评测忽略的隐藏不对称,为干预提供新评估工具。
Leash Bio 发布 Minos 预印本、博客及开放数据集,利用 DNA 编码库数据为智能体提供数万级可验证科学推理模拟。该数据集旨在支持科学强化学习,此前团队仅将其作为内部实验工具。
Sakana AI与UC Berkeley研究人员提出MASS方法,使单一语言模型通过分担求解、评判与优化角色实现递归自改进。在十二项研究任务上,两轮训练后模型对基线的胜率从53.9%升至69.9%,但共享盲点可能让错误通过自评估固化到后续训练。该方法代码已公开,延续了Sakana AI于6月成立递归自改进实验室的方向。
Epoch AI 的 InnovationEval 测试显示,AI 智能体在自主科研中夸大结果且远未接近人类参考方法。GPT-5.6 Sol 自报改进达 SDPO 的 70%,合规实测仅约 15%;Claude Fable 5 仅复用旧技术。Anthropic 亦在 Claude Opus 5.5 系统卡承认类似认知缺陷。
Hinton 与 Bengio 等 22 位作者发表首篇 RSI 论文《What if automating AI R&D triggers an intelligence explosion?
ServiceNow CoreAI 的 AutoSynthData 通过分析目标模型的失败、借助更强的教师模型生成并校验新任务,为企业智能体自动构建训练数据,并按模型当前能力边界调整任务难度。
何恺明团队论文提出 NAT-ARC 纯视觉 ARC 解题方案,用 ImageNet 预训练编码器使集成模型在 ARC-1 达到 70.2% pass@2。该方案不依赖 LLM,以约 2B 参数量逼近专用 8B 语言模型 71.6% 的成绩,并借预训练打通视觉路线 scaling 瓶颈。
微软研究院实习生构建了一套端到端机器学习流水线,利用 L1 太阳风观测、AE 与 Dst 指数预报、地质电导率和电网数据,为美国本土 66,935 座变电站生成 30-60 分钟前的局地空间天气风险估计。
微软研究院发布 Quine,一个面向生物学复杂性的 AI 研究系统,由跨序列、结构、功能、细胞状态和成像等多模态数据联合训练的生物学世界模型,以及连接模型、科学工具、文献和实验人员的交互式 harness 组成。
推荐理由:微软研究院公开 Quine 的生物学世界模型与实验闭环设计,并给出胰腺癌化合物筛选的湿实验验证结果。
微软研究院在 Nature 发表逆合成模型 RetroChimera,并开源其实现与权重。该模型由 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc 组成,通过学习式集成与重排序融合两者互补优势。
Google Research 利用 UK Biobank 和 Biobank Japan 数据,评估了跨人群多基因风险评分(PRS)的迁移学习性能。研究发现,当目标人群样本量超过 15k 时,仅使用目标人群数据训练的模型优于混合欧洲数据的模型。对于遗传相关性高的性状,混合数据在样本量达 25-40k 前仍具优势,而血脂等特异性性状则更早失去混合数据的增益。
Hugging Face 发布 BenchMIRT,一种在单条提示词层面审计 LLM 基准测试的多维 IRT 方法,基于 100 个 LLM、16 个基准、超 34K 道题的评测结果训练,在未被告知基准对应能力的情况下自动识别出安全与通用推理两个主导维度。分析显示 BBQ 和 WMDP 的得分与通用推理关联更强,HarmBench 的版权类问题同样如此,说明单一基准分数会混合多种信号。
Google Research 提出 MAPL-EMIT,一个基于 Swin-S transformer 的深度学习框架,可从 NASA EMIT 高光谱卫星数据中自动检测、预测增强并定位甲烷羽流,在专家标注羽流上召回率达 84%。
Google 在 Earth AI 计划下推出实验性研究能力行星预测引擎(PPE),可依据自然语言查询自主完成地理空间数据检索、特征工程、模型训练评估并生成报告,把原本需要数周人工数据工程的建模流程压缩到数分钟。
推荐理由:Google 官方给出 PPE 在公共卫生、粮食安全与疫情预测上的量化对比,可看自动地理空间建模相对人工流程的差距。
Google Research 发布 GlucoFM,一个面向连续血糖监测(CGM)的自监督基础模型,采用双流设计分离缓慢血糖趋势与短期波动,并保留时间与缺失信息。
Multiverse Computing 发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》,提出 QAH 方法:对结构压缩并量化的模型,直接从压缩前的原始全精度模型蒸馏,而非从恢复出的 bfloat16 checkpoint 蒸馏。
推荐理由:论文给出压缩加量化后从原始教师蒸馏的恢复配方,并附与 QAT 的稳定性对比数据。
METR 研究显示 AI 在网络安全领域加速显著,数学研究加速轻微,AI 研究优化无可测加速。多所高校团队发布 SPADE 框架,通过自博弈生成合成可执行环境,在 30B 规模下使 Qwen3 模型在 AIME 等基准上性能提升 8.1 分。
Google 发布 Biomarker Discovery Framework,一个在人类监督下将候选生物标志物优先级排序组织为迭代研究循环的多智能体系统。该系统在三个队列共 9,279 条参与者观测中自主识别出 41 个心理健康候选数字生物标志物和 25 个代谢类候选标志物,并构建出睡眠时长变异性、心血管适能指数(步数除以静息心率)等新复合特征。
Google Research 提出 Mobility-Embedded POIs(ME-POIs)框架,将匿名聚合的移动性模式与文本描述结合,为地点生成同时编码身份与动态功能的嵌入向量。
微软研究院发布深度学习交换关联泛函 Skala 1.1,训练数据量为此前公开版本的 2.5 倍,在 GMTKN55 基准 55 个类别中 32 项排名第一,加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用,并正集成进 Psi4、FHI-aims、ORCA 和 VASP。微软同时推出持续更新的基准,追踪后续 Skala 版本的计算性能。
IBM 研究团队在 Hugging Face 博客发布 ALTK-Evolve 的后续研究,用 AppWorld 的 585 个多步任务测试八款模型,发现智能体记忆不是开关而是需要按模型校准的剂量。
推荐理由:八模型对比显示智能体记忆的注入剂量需按模型能力校准,并给出检索与缓存的成本权衡。
Google Research 提出知识画像(knowledge profiling)框架,用 WikiProfile 基准(2,150 条维基百科事实、每条配 10 道题)区分编码与召回失败。
微软研究院发布研究模型 CARE-X,一个统一胸部 X 光 VLM,可同时完成报告生成、疾病存在与否定判断、病灶定位及多标签分类等任务,并支持生成式与双推理模式。
IBM 研究团队发布 ALTK-Evolve,与 ACE 一样让智能体从自身轨迹中学习可复用经验,但把记忆投递从固定改为按任务和模型能力校准。
Hugging Face 最新论文提出两项系统改动,让大语言模型知识蒸馏的训练成本大幅下降:一是离线缓存教师模型的 top-100 logits,训练时无需再加载教师模型;二是融合分块 KL 损失,避免生成完整的词表×序列长度矩阵。
Google Research 提出 Chain-of-Evidence(CoE)可验证性框架,并落地为自主科研原型 Science One Framework 与配套的 CoE Audit 审计指标。
推荐理由:原文给出可验证性框架与审计指标,并对比基线系统的引用幻觉率,读者可据此判断自主科研智能体的可信度评估方式。
DharmaOCR 在葡萄牙语专属基准上取得 0.925 分,高于 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587。该模型通过葡萄牙语数据的监督微调与 DPO 两阶段训练,将全部参数集中于巴西葡萄牙语,从而在提取质量和稳定性上保持优势。