行业内容

解开三年的谜：免疫学家 Derya Unutmaz 借助 GPT-5 Pro 解开一个悬了三年的免疫学问题，得到关于 T 细胞行为的洞见，可能支持癌症与自身免疫研究

How GPT-5 helped immunologist Derya Unutmaz solve a 3-year-old mystery

OpenAI 发布一则科研应用：免疫学家 Derya Unutmaz 使用 GPT-5 Pro 协助解开一个悬置三年的免疫学谜团，产出关于 T 细胞（T cell）行为的洞见，可能支持癌症与自身免疫方面的研究。属于有名有姓的具体案例。

行业

推荐理由：点名研究者、具体科学对象（T 细胞）与可能的下游方向，比泛化案例更可核查；但仍是单例，未给方法细节。

罕见病诊断：研究者用一个 OpenAI 推理模型帮助诊断影响儿童的罕见遗传病，在此前未能确诊的病例中新增确认了 18 例

Using AI to help physicians diagnose rare genetic diseases affecting children

OpenAI 发布一项医疗研究：研究者使用一个 OpenAI 推理模型（reasoning model）帮助诊断影响儿童的罕见疾病，在以往未能确诊的病例中新增作出 18 例诊断。属于有明确数量的临床应用结果。

论文

推荐理由：新增 18 例确诊是可核查的临床产出，落在罕见病诊断这一真实痛点上，比一般科研演示分量更重。

AI 化学家：OpenAI 与 Molecule.one 展示一个近乎自主（near-autonomous）的 AI 化学家，它用 GPT-5.4 改进了药物化学里一个有挑战的关键反应

A near-autonomous AI chemist improves a challenging reaction in medicinal chemistry

OpenAI 与 Molecule.one 联合发布一项研究展示，一个近乎自主的 AI 化学家（near-autonomous AI chemist）使用 GPT-5.4 改进了一个药物合成中有挑战的关键反应（challenging reaction），推动药物化学研究的自动化。属于把 AI 参与实验科学闭环摆到台面上的实例。

论文

推荐理由：「近乎自主」改进真实药化反应，是 AI 进入湿实验闭环的实质例子，比一般科研助手叙事硬；但材料未给反应的化学细节与验证深度。

LifeSciBench：OpenAI 推出一个由专家撰写、经专家评审的生命科学基准，用于评测 AI 系统处理真实世界生命科学研究任务与决策的能力

Introducing LifeSciBench

OpenAI 发布 LifeSciBench，这是一个专家撰写、专家评审（expert-authored, expert-reviewed）的基准，评测 AI 系统在真实世界生命科学研究（life science research）任务与决策上的表现。属于生命科学的评测基础设施。

论文

推荐理由：「专家评审过的真实科研任务」直指现有基准的短板，评测口径可信度较高；材料未给任务规模与首轮结果。

发布前的预演：OpenAI 提出 Deployment Simulation 这一方法，它用真实对话数据在部署之前模拟并预测模型的行为，用以改进安全与评测的准确性

Predicting model behavior before release by simulating deployment

OpenAI 发布方法介绍：Deployment Simulation，这是一种在模型部署前预测其行为的做法，依据是真实对话数据（real conversation data），提高安全评估与评测准确性。属于评测方法上的新工具。

论文

推荐理由：「部署前用真实数据模拟行为」是安全评测的具体方法论，可被同行复用；材料未给误差范围与验证结果。

黑洞模拟：天体物理学家 Chi-kwan Chan 用 Codex 构建黑洞模拟，帮助科学家研究极端物理并检验爱因斯坦的广义相对论

How an astrophysicist uses Codex to help simulate black holes

OpenAI 发布一则科研应用：天体物理学家 Chi-kwan Chan 使用 Codex 构建黑洞模拟（black hole simulations），帮助科学家研究极端物理并检验爱因斯坦的广义相对论（general relativity）。属于点名研究者的具体科学用例。

行业

推荐理由：有具名研究者与具体科学对象（黑洞/广义相对论），比泛化案例可信；但仍是用例叙事，未给论文产出。

塞拉利昂 AI 教学试验：11.3 万次交互里 91.4% 用来搭概念而非抄答案，Gemini 76% 回复以提问引导、仅 2% 直接给解

Measuring the impact of learning with AI in Sierra Leone and beyond

Google DeepMind 公布一项预注册随机对照试验的结果，评估把 AI 融入教学（基于 LearnLM、被专门调校成重理解而非直接给答案的 Guided Learning）在塞拉利昂等地的影响。对其间 113,000 多次交互的分析显示：学生 91.4% 的对话用它来构建概念性理解，而不是单纯索要解答；Gemini 则有 76% 的消息以支架式提问回应，仅 2% 直接给出解法——把认知重活留给学生。试验强调教师在中心，教师设计课程、设定目标并主导讨论；焦点小组里教师反馈这套工具也支持了自身专业成长。结论指向 AI 是增强教师触达的教学伙伴，而非替代教师。

论文#Google DeepMind

临床落地：波士顿儿童医院（Boston Children's Hospital）用 OpenAI 技术改善患者照护、减轻运营负担，并帮助确诊了 40 例以上的罕见病病例

Boston Children’s uses AI to unlock new diagnoses

OpenAI 发布一则医疗落地案例：波士顿儿童医院使用其技术改善患者照护、降低运营负担，并在罕见病诊断上帮助确认了超过 40 例此前未确诊的病例。属于有具体确诊数的临床机构应用。

行业

推荐理由：「40 例以上罕见病确诊」是硬指标，且机构可核；比一般客户案例更接近临床证据。

证伪一个中心猜想：一个 OpenAI 模型解决了有 80 年历史的单位距离问题（unit distance problem），证伪了离散几何（discrete geometry）中的一个中心猜想，被视为 AI 驱动数学的里程碑

An OpenAI model has disproved a central conjecture in discrete geometry

OpenAI 发布一项数学结果：其一个模型解决了悬置 80 年的单位距离问题，由此证伪了离散几何里的一个中心猜想（central conjecture）。单位距离问题是该领域的基础问题之一，这次是 AI 在数学上给出的可核查的反例级成果，被称为 AI 驱动数学的里程碑。

论文

推荐理由：证伪一个有 80 年历史的中心猜想是硬结果，不是演示；分量与 Navier–Stokes 那条同级，是本次铺批最重要的一条。

衰老研究实验室用 Co-Scientist 提速：从文献提出 20 多个候选遗传因子、部分经实验验证可让细胞返年轻态，把半年的数据分析压到几天

Fast-tracking genetic leads to reverse cellular aging

Google DeepMind 博客：生物学家 Omar Abudayyeh 与 Jonathan Gootenberg 的实验室用 Co-Scientist 突破衰老研究的两大瓶颈——决定测哪些遗传通路、以及读懂海量筛选数据。他们的实验室批量开关上千基因、读取细胞响应，目标是找出让细胞脱离与衰老相关的 senescence 损伤态、回到更年轻状态（皮肤、毛发、肌肉等组织）。Co-Scientist 一是提线索：检索数万篇论文、权衡多种假设，提出 20 多个新颖且合理的遗传因子，实验已验证其中若干条确能把细胞推向更年轻、功能更好的状态；二是加速收尾：把筛选数据连同文献一起分析，原本可能耗时六个月的解读被压缩到几天。

论文#Google DeepMind

Co-Scientist 找"跨物种溢出的分子开关"：把2-3年的收敛活压到6个月

Finding the molecular switches behind new infectious diseases

Google DeepMind 科研案例：多数新发传染病来自病原跨物种传播(Ebola、HIV、流感、新冠)。剑桥大学教授 Clare Bryant 用 Co-Scientist 寻找病原跨物种后引发脓毒症等重症的"分子开关"：先喂入一份禽-人流感基金申请摘要，工具生成并排序一批假设；获批后再喂完整申请，Co-Scientist 把她原先没盯的一个蛋白(与多条她关注的信号通路相连)排到前列，几轮迭代后假设从候选蛋白细化到可实验的具体氨基酸位点。其团队正构建携带这些突变的细胞系验证；Bryant 说做到"锁定精确氨基酸"通常要2-3年实验工作，现在有望6个月完成。

论文#Clare Bryant#Co-Scientist

Co-Scientist 上 Nature：基于 Gemini 的多智能体系统会生成-辩论-演化科研假设，并向个人研究者开放 Hypothesis Generation 工具

Co-Scientist: A multi-agent AI partner to accelerate research

Google DeepMind 在 Nature 发表 Co-Scientist——一个基于 Gemini 构建的多智能体 AI 系统，能针对复杂科学问题反复地生成、辩论并演化新假设；同时把它作为实验性工具 Hypothesis Generation 开放给个人研究者，由 Google DeepMind、Google Research、Google Cloud 与 Google Labs 联合开发，未来数周起逐步推送、可在 labs.google/science 登记。过去一年团队与研究者一起把它用于抗生素耐药、植物免疫、肝纤维化等难题。定位是把从海量信息里捞出关键假设这一发现瓶颈交给一个专职科研伙伴。

模型#Google DeepMind

推荐理由：把生成-辩论-演化假设做成可复用的多智能体系统，并同步从论文走向个人研究者的工具入口，科研自动化路径由此可被直接试用。

Parameter Golf 的教训：OpenAI 复盘这场竞赛，有 1000 多名参与者与 2000 多份提交，在严格约束下检验 AI 辅助的机器学习研究——包括编码智能体、量化（quantization）与新的模型设计

What Parameter Golf taught us about AI-assisted research

OpenAI 发布一篇关于 Parameter Golf 的复盘，这场竞赛有超过 1000 名参与者（1,000+ participants）与超过 2000 份提交（2,000+ submissions），在严格约束下检验 AI 辅助的机器学习研究，涉及编码智能体、量化与新模型设计。属于把 AI 做研究的能力放进竞赛环境检验。

论文

推荐理由：参赛者与提交数给出了真实的实验规模，比单点演示更可评估；材料偏总结，未给冠军方案细节。

BAIR 梳理"自适应平行推理"：推理模型自己决定何时拆解子任务、开几路并行、如何汇合——作者自注曾主导 ThreadWeaver，半综述半立场

Adaptive Parallel Reasoning: The Next Paradigm in Efficient Inference Scaling

BAIR 博客：近年 LLM 推理能力进步很大部分来自推理时扩展(inference-time scaling)。如果推理模型能自己决定：何时把独立子任务拆开并行、孵化多少并发线程、按题目协调汇合——这就是自适应平行推理。文章梳理近期进展(含 ThreadWeaver 等方法，并披露作者之一是其共同负责人)：半领域综述、半立场文，试图按各方法自身的口径呈现。

观点#BAIR#ThreadWeaver

AlphaEvolve 一年影响盘点：从数学与算法发现到电网与数据中心调度，多个 Google 基础设施环节已部署

AlphaEvolve: How our Gemini-powered coding agent is scaling impact across fields

Google DeepMind：一年前推出基于 Gemini 的编码 agent AlphaEvolve，用于设计高级算法、在数学与计算机科学的开放问题上做发现，并优化已在 Google 关键基础设施部署的算法。一年后这篇盘点把它的可及范围铺得更广——从解释自然世界物理，到支撑电网与计算基础设施。文中举若干落地：在基因组上改进 DeepConsensus（Google Research 校正 DNA 测序错误的模型），使变异检测错误率降 30%，帮助 PacBio 的科学家以更低成本更准分析基因数据；此外覆盖资源调度、算法效率等多领域成效。

论文#Google DeepMind

推荐理由：把一款算法设计 agent 的一年成效量化成跨领域部署清单，读者可据此判断它在自己领域的可迁移性。

DeepMind 发起 AI co-clinician 研究：提出患者-医生-AI 的三合一诊疗，让 agent 在医生临床授权下放大其专业能力

Enabling a new model for healthcare with AI co-clinician

Google DeepMind（署名 Alan Karthikesalingam、Vivek Natarajan、Pushmeet Kohli）宣布 AI co-clinician 研究倡议，探索 AI 如何更好放大医生的专业能力、给患者更高质量的照护。背景是全球临床专家短缺，WHO 预计 2030 年医护人员缺口超 1000 万。文章回顾其医疗 AI 路线——从用 MedPaLM 掌握考试型医学知识，到用 AMIE 在文本模拟问诊中匹敌医生表现、并进入真实世界可行性试验。核心假设是下一波医疗演进将走向 triadic care 三合一诊疗：AI agent 在医生的临床授权下辅助患者的就医旅程、为团队多添队友，既延伸医生的触达，又确保医生保有判断与控制权。

论文#Google DeepMind

OpenAI 用新框架分析 921 种职业与 1.48 亿美国岗位面临的 AI 冲击

Modeling an AI jobs transition

OpenAI 提出一个新框架，分析 921 种职业、1.48 亿个美国工作岗位，把它们划分到面临自动化风险、被重新组织、增长或几乎不受 AI 扰乱这几类。材料给出的是这一分类框架的范围，具体岗位归入哪一类的完整结论需看正文。

行业#openai

推荐理由：它把大量职业按自动化风险与被重组的程度分类，为讨论 AI 对就业的影响提供了一份可引用的框架。

DeepMind 提出 Decoupled DiLoCo：把训练切成互相隔离的计算孤岛，异步低通信跨数据中心训练、单点芯片故障不拖垮全局

Decoupled DiLoCo: A new frontier for resilient, distributed AI training

Google DeepMind（署名 Arthur Douillard 与 DiLoCo 团队）在新论文中提出 Decoupled DiLoCo（分布式低通信）：把大规模训练解耦为多个相互隔离的计算孤岛（learner units），彼此以异步数据流相连，从而把局部硬件故障的影响隔离开来，让系统其余部分继续高效学习。它构建在此前的 Pathways（基于异步数据流的分布式 AI 系统）与 DiLoCo（大幅降低分布式数据中心间带宽需求）之上，用 Pathways 实现跨孤岛的异步训练，使某地芯片故障不会中断其它部分。这套基础设施还具自愈性：测试中用混沌工程在训练中途人为注入硬件故障，Decoupled DiLoCo 在整支 learner unit 掉线后仍能续训，并在其重新上线时无缝再整合。用 Gemma 4 模型测试表明，硬件故障时它比传统训练法保持更高的学习集群可用性，最终给出同等基准的机器学习性能。

论文#Google DeepMind

推荐理由：把前沿大模型训练的通信与容错瓶颈正面拆解，给出可跨地域分布训练、且不牺牲最终精度的新范式。

Berkeley 提出 GRASP：世界模型有了"能用到长时程"的梯度规划器——轨迹升到虚拟状态做时间维并行、把随机性注入状态迭代探索、重塑梯度避开高维视觉的脆性梯度

Gradient-based Planning for World Models at Longer Horizons

BAIR 博客：大型学习世界模型已能预测高维视觉空间里的长序列、跨任务泛化，越来越像通用模拟器；但有强预测模型不等于能有效拿它做控制/学习/规划。GRASP 是让长时程规划可行的梯度式规划器，三招：(1)把轨迹提升到虚拟状态、使优化在时间维并行；(2)直接向状态迭代注入随机性做探索；(3)重塑梯度，让动作拿到干净信号、同时避免穿过高维视觉模型那种脆性的状态输入梯度。属世界模型从"预测"走向"可用"的配套工具研究。

论文#GRASP

DeepMind 公开首个经实证验证的 AI 操纵测量工具包，并放出做同类人本实验的全部材料，量化 AI 在真实对话中被滥用于有害操纵

Protecting people from harmful manipulation

Google DeepMind 在 Responsibility & Safety 下发布关于 AI 被滥用于有害操纵（以欺骗、负面方式改变人的想法与行为）的新研究。基于广泛的科学研究，公司称这套成果形成了首个经实证验证的工具包，用于测量现实世界中的此类 AI 操纵，并公开运行同类人本实验所需的全部材料，希望既保护人群、也推动整个领域。文中强调：研究观察到的行为发生在受控实验环境里；这一工具把 AI 在自然对话中影响人与社会的潜力，变成可量化、可复现评估的对象。

论文#Google DeepMind

推荐理由：把 AI 操纵从担忧变成可测量对象，并公开做同类人本实验的方法与材料，为后续独立研究提供了底座。

OpenAI 介绍用思维链监控内部编码代理失准的做法

How we monitor internal coding agents for misalignment

OpenAI 说明它如何用思维链（chain-of-thought）监控来研究内部编码代理的失准问题，结合真实部署场景分析风险、加强 AI 安全护栏。

论文#openai

推荐理由：它讲清 OpenAI 如何用思维链监控来观察自家编码代理的失准迹象，为关注代理安全的人给出一种可参考的内部做法。

DeepMind 提出衡量迈向 AGI 进展的认知框架，并开一场 Kaggle 黑客松征集配套评测

Measuring progress toward AGI: A cognitive framework

Google DeepMind 介绍一个用来衡量朝通用人工智能（AGI）进展的框架，并发起一场 Kaggle 黑客松来构建相关评测。理由在于：AGI 有潜力加速科学发现、助解人类棘手难题，但由于缺乏评估系统通用智能的实证工具，很难判断离这一里程碑还有多远；跟踪 AGI 进展需要一整套方法。该框架试图给出可操作、可共建的认知测量维度。

论文#Google DeepMind

推荐理由：把难以捉摸的 AGI 进展变成可共建的评测任务，并用黑客松号召社区一起做，评估方法层面的信号。

OpenAI 研究显示美国人每天向 ChatGPT 发出近三百万条薪酬与收入相关提问

Equipping workers with insights about compensation

OpenAI 的一项新研究显示，美国人每天向 ChatGPT 发出近 300 万条与薪酬、收入相关的提问，有助于缩小薪资信息差距。

论文#openai

推荐理由：它用一个可量化的日常使用信号说明劳动者如何借助对话工具了解薪酬，为讨论薪资信息不对称提供了新数据。

Berkeley 提出 SpEx：规模化识别 LLM 内部组件交互——把"特征归因/数据归因/机制可解释"三条路线的共同难点(复杂度)正面拆掉

Identifying Interactions at Scale for LLMs

BAIR 博客：理解 LLM 这类复杂 ML 系统是现代 AI 的关键挑战；可解释性让决策过程对建造者与受影响者更透明，是走向安全可信的一步。既有三片透镜——特征归因(找出驱动预测的输入特征)、数据归因(把行为关联到有影响的训练样本)、机制可解释(解剖内部组件功能)——但共同障碍是复杂度。这项工作(SpEx)正面做"在尺度上识别交互"：规模化地找出模型内部哪些组件在什么条件下相互作用，补机制可解释从个案到规模化的缺口。

论文#BAIR