DRL-DCO：用深度强化学习动态协调 DE 与 CMA-ES 的进化搜索方法
研究提出 DRL-DCO 算法，用基于深度确定性策略梯度（DDPG，Deep Deterministic Policy Gradient）的演员-评论家智能体统一调度差分进化（DE，Differential Evolution）与 CMA-ES 的搜索过程，动态分配探索与利用算力。
#科学研究
arXiv · cs.AI模型评分2727 arXiv · cs.AI模型评分3434 视频基础模型如何编码直觉物理？研究对比 V-JEPA、VideoMAE 与 LTX-Video
研究用冻结特征探针在 IntPhys2 和 Minimal Video Pairs（MVP）上对比 V-JEPA、VideoMAE 与 LTX-Video 三种预训练范式的直觉物理编码能力。
arXiv · cs.AI模型评分1919 arXiv 撤稿：Proof-Carrying Materials 用 Lean 4 为机器学习原子间势提供可证伪安全证书
arXiv 管理员撤下了一篇提出 Proof-Carrying Materials（PCM）的论文，该稿因不符合 arXiv 研究内容质量标准被撤回。论文称单个机器学习原子间势（MLIP）作稳定性筛选会漏掉 93% 的密度泛函理论（DFT）稳定材料，PCM 通过对抗性证伪、95% 置信区间自助包络细化和 Lean 4 形式化认证三阶段补上这一缺口。
arXiv · cs.AI模型评分3333 变分分解自编码（VDA）提升潜表征解耦质量
研究者提出变分分解自编码（VDA，Variational Decomposition Autoencoding）框架，并实例化为仅含编码器的变分分解自编码器（DecVAE，Variational Decomposition Autoencoder），在分布层面做潜自编码以学习对齐时频特征的多个潜子空间。
arXiv · cs.AI模型评分6464 代数世界模型 AWM 提出：把陌生环境交互转成可证明的数学模型
论文提出代数世界模型（AWM，Algebraic World Model），把与陌生环境的交互转化为可形式化推理的显式数学模型。AWM 先探索环境并生成可执行的 Python 假设，再按观测不断测试和修正，随后把假设整理成带类型的对象与共享规则，用范畴论引导的变换简化结构，最终在 Lean 4 中形式化以证明可达性与不可达性。
arXiv · cs.AI模型评分5454 MoLRSI：可递归自我改进的分子发现 人工智能（AI，Artificial Intelligence） 智能体
作者提出分子发现智能体 MoLRSI，它把工作流与模型架构的系统优化和跨任务持久记忆结合起来，递归改进自身的搜索策略。
arXiv · cs.AI模型评分4646 仅用参考样本学习推理：面向现代 大语言模型（LLM，Large Language Model） 后训练的强化对抗学习 RAL
研究者提出强化对抗学习（RAL，Reinforced Adversarial Learning），用共同训练的 大语言模型（LLM，Large Language Model） 评判模型把参考答案变成推理大模型在线后训练的唯一奖励。
arXiv · cs.AI模型评分4141 PA-SciML：用物理审计约束大语言模型智能体的科学机器学习发现
研究者提出 Physics-Audited Agentic SciML（PA-SciML）框架，把大语言模型智能体与物理审计结合，在候选搜索前固定叠加性、边界条件和因果性等物理契约，并在无参考解情况下对预测场做对抗性检验。
arXiv · cs.AI模型评分1919 Ax-Prover：面向数学与量子物理定理证明的深度推理智能体框架
arXiv 管理员撤下了 Ax-Prover 论文，理由是未达到该站研究内容质量标准，目前无 PDF 可看。
arXiv · cs.AI模型评分3636 大语言模型（LLM，Large Language Model）-SR-UQ：面向大语言模型引导符号回归外推的结构不确定性框架
研究团队提出 大语言模型（LLM，Large Language Model）-SR-UQ 框架，通过保留多个候选方程结构并利用它们之间的分歧来刻画函数形式的不确定性。在 LLM-SRBench 数据集上，标准保形区间在分布内覆盖达标，但在外推时经常失效；该框架扩展固定宽度保形方法以量化结构区间，显著提升外推覆盖并保持分布内覆盖，还可推广到其他符号回归方法。
arXiv · cs.AI模型评分4343 Chronos-2：面向多变量时间序列预测的基础模型
Chronos-2 是可直接做零样本预测的时间序列基础模型（TSFM，Time Series Foundation Model），能建模多条时间序列之间以及外部协变量的相互作用，无需针对具体任务单独处理。
arXiv · cs.AI模型评分3838 科学 人工智能（AI，Artificial Intelligence） 的可观测特定有效性检验：受控近似与干预响应
研究提出面向科学 人工智能（AI，Artificial Intelligence） 的可观测特定有效性记录，把近似方法与参考模型、误差度量、容差、参数域及干预变换绑定，为奇异摄动振子给出位移与速度证书并恢复不同收敛阶。
arXiv · cs.AI模型评分5050 通用基础模型在化学性质预测任务上超过专用模型
一项 arXiv 研究比较了化学专用基础模型与通用基础模型在化学性质预测任务上的准确率，结果显示在仅有 60 个实验数据点时，GPT-6 Astra 在五项物理化学和量子化学回归任务上优于当前可用的化学基础模型。
arXiv · cs.AI模型评分3535 GraphMP：面向量子 LDPC 码的搜索知识蒸馏解码器模型工厂
研究者提出 GraphMP，一种基于学习的消息传递解码器，可在不微调的情况下跨码族、码长、物理错误率和噪声模型迁移。它用局部消息传递保持计算可扩展，并由预测引导束搜索逐步修正候选错误模式，以更多解码时间换取更低逻辑错误率。团队还提出“解码器模型工厂”范式，用模型引导搜索产生的已验证轨迹做知识蒸馏，让解码器逐代提升并随噪声变化调整策略。
arXiv · cs.AI模型评分3434 ART of PIV：面向主动流动控制的智能体实时粒子图像测速
研究团队提出 ART of PIV，为每对粒子图像自动选择测速流程配置，在同等速度预算下将平均端点误差（AEPE）较最佳单一估计器降低 12.2-22.4%，速度覆盖 1000-4000 图像对/秒。在模拟局部速度调节任务中，闭环成本较调优后的固定估计器下降 13.24-13.59 个百分点。团队还在桌面水槽的流体风车实验中用 DreamerV3 强化学习控制器实现了尾流指定流场跟踪。
arXiv · cs.AI模型评分3030 GraphTFactor：基于图的蛋白质转录因子预测框架
GraphTFactor 将蛋白质序列编码为图结构并直接分类转录因子，可处理变长输入且不设长度限制，在基准数据集上优于现有方法。该框架还提供开源软件包和交互式网页应用，用户可对自定义序列执行转录因子预测。
arXiv · cs.AI模型评分3232 研究：AlphaFold 3 类模型无需完整循环即可预测置信度，按需回收算力
一项研究提出，AlphaFold 3 类模型（如 Boltz、Protenix）的置信度指标 ipSAE、ipTM 和结构一致性指标可在回收早期直接从主干网络预测。该预测器计算成本低、可微分且每个循环都可用，既能帮助系统判断何时执行、询问或阻止以合理分配筛选的回收预算，也可作为基于幻觉的设计的优化目标。两种用法均在显著降低计算成本的同时提升了性能。
arXiv · cs.AI模型评分3030 径向核注意力（RKA）提升聚合物机器学习力场的长程建模能力
研究提出径向核注意力（RKA，Radial Kernel Attention），将原子到簇中心的距离映射为可学习径向特征，以线性成本实现全局特征交换，并插入 EquiformerV3 局部模块之间。
arXiv · cs.AI模型评分3939 基于分块的深度核学习：用极稀疏观测做数据同化与偏差校正
研究者提出一种混合框架，将卷积神经网络（CNN，Convolutional Neural Network）与可学习核的高斯过程（GP，Gaussian Process）耦合，从极稀疏观测中联合完成数据同化与偏差校正。
arXiv · cs.AI模型评分3737 scAnyOmics：用基础模型蒸馏实现多组学虚拟细胞的任意到任意补全
scAnyOmics 是一个生成式框架，把冻结的单细胞基础模型知识蒸馏进多模态学生模型，将 scRNA-seq、蛋白标记测量和 scATAC-seq 整合到共享表示中，实现跨模态预测与缺失模态重建。研究汇总六项公开研究的 690,880 个细胞进行评估，并在留出供体数据上多项指标优于基线方法。该框架还用于细胞类型注释、扰动响应预测和生物学年龄估计。
arXiv · cs.AI模型评分4343 Operon-S1：面向长程生物医学智能体的快速决策控制器
Operon-S1 将生物医学智能体的判断与执行分离，在 13 个决策点用封闭问题接管判断，本地决策模型在 CPU 上以 0.6 秒中位延迟完成环内请求且不产生请求费用，六个基准中五个分数无可测变化。若改由驱动智能体的通用语言模型回答同样问题，任务成本将增加 8.0% 至 35.2%。该系统已用于湿实验方案排障和生殖系靶向富集 panel 设计。
arXiv · cs.AI模型评分4545 从1D基准到复杂3D几何：智能体能否可靠地为自动化偏微分方程（PDE，Partial Differential Equation）仿真描述问题？
研究评估人工智能（AI，Artificial Intelligence）智能体能否为自动化偏微分方程（PDE，Partial Differential Equation）仿真构建完整可执行的JavaScript 对象表示法（JSON，JavaScript Object Notation）规格，覆盖几何创建、网格划分、求解与结果导出。
arXiv · cs.AI模型评分3434 MEMIG：面向抗体优化的自进化记忆构建框架
MEMIG 提出一种面向生物分子优化的智能体记忆构建框架，把经验记录改为可索引、定量、结构化的形式，而非自由文本重写。它用领域标识符定位每条经验并累积性质预言机测得的定量效应，使更新保持局部、检索变为精确查找，还能连接联合施加的干预并分解评估集来度量其上位效应。在计算机抗体优化任务中，MEMIG 在多数设置下提升了表现。
Microsoft Research精选模型评分8181 微软研究院等证明 31 年悬而未决的 KLS 猜想
微软研究院的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits（KLS）猜想，证明对数凹分布的最佳平面切割与任意形状最佳切割只差一个与维度无关的固定常数。
推荐理由：这项证明把困扰高维几何三十余年的猜想变为无条件结论，也展示了研究者如何筛选并引导 人工智能（AI，Artificial Intelligence） 的搜索方向。
Berkeley AI Research模型评分4646 伯克利提出信息驱动成像系统设计框架，登 NeurIPS 2025
伯克利 人工智能（AI，Artificial Intelligence） 研究团队提出一种直接以信息含量评估和优化成像系统的框架，并在 NeurIPS 2025 论文中验证其信息指标能预测彩色摄影、射电天文、无透镜成像和显微成像四个领域的系统表现。该方法仅用带噪测量和噪声模型估计互信息，优化后的设计可媲美端到端方法，且内存和算力需求更低、无需任务专用解码器。