Topic Timeline
#AI4Science
这个主题在过往早报中的出现记录。深度条目直达研究报告，其余条目回到当日 edition。
- 研究论文2026-08-11 · 周二重要度 5/5深度报告 →
Claude研究版把黎曼ζ函数相关下界推至67.2%
Anthropic于8月10日披露，未发布Claude研究版给出一项无条件结果：黎曼ζ函数在临界线上的零点比例下界升至约67.2%。它没有证明黎曼猜想，外部同行评审仍待展开。
- 这项结果的价值在于模型产出与验证制品同步公开，而非只展示答案。
- 当前验证仍以Anthropic员工和短期专家审阅为主
- 研究论文2026-06-24 · 周三重要度 3/5
NatureBench:让 coding agent 去复现 Nature 论文的 SOTA,90 题里只过 17.8%
Frontis.AI 提出跨学科基准 NatureBench,从同行评审的 Nature 系论文蒸馏出 90 个任务,配套 NatureGym 自动构建每题独立容器环境(解决此前『agent 做科研』基准的环境碎片化问题)。在禁联网搜索的严格协议下评测 10 个前沿 agent 配置,最强者在 g>0.1 标准下仅超越 SOTA 17.8% 的任务。
- 这篇把『agent 能不能做科研』从口号拉回到可量化的冷数据:
- 17.8% 不是失败,而是诚实地标定了当前上限。
- 研究论文2026-06-23 · 周二重要度 2/5
待验证｜BioMatrix:序列-结构-语言统一的生物基座,80 任务里 77 项 SOTA
上海 AI Lab 等提出 BioMatrix,称是首个在单一 decoder-only 架构内原生融合『序列、结构、语言』、同时覆盖分子与蛋白质的多模态生物基座。通过统一 tokenization 把 SMILES/SELFIES、分子结构、蛋白序列/结构与语言映射到共享离散 token 空间,统一 next-token 预测,无需外部编码器或模态专用输出头。基于 Qwen3(1.7B/4B)持续预训练 3044 亿 token,在 6 类 80 个任务上 77 项达 SOTA 或有竞争力。提交者于 6 月 23 日提交。
- AI for Science 的一个值得记的方向:把生物多模态统一进一个『纯语言模型式』的 token 空间,省掉适配器和专用头,理论上能让分子与蛋白之间的跨模态生成更自然。
- 77/80 SOTA 的说法很亮眼,但置信度需谨慎