OpenAI、PerturbAI 与 Scripps Research 用数千个 AI 智能体挖掘生物数据新线索
OpenAI、PerturbAI 与 Scripps Research 利用分布式 AI 智能体，从数百万个脑细胞的数据中挖掘出有前景的研究线索。该合作展示了大规模智能体协同在生物数据分析中的实际应用方式。
#Agent
论文OpenAI NewsAI 评分3838 论文The DecoderAI 评分6969 Claude Science 从零设计蛋白结合体，靶向蝎毒神经毒素
Anthropic 的 Claude 在 Claude Science 研究环境中基本自主设计了靶向蝎子神经毒素的蛋白结合体，针对 4 种蝎子的 5 种毒素生成 318,484 个设计，首次提示后自主工作 24 小时。
论文Hugging Face Blog精选AI 评分6060 ALTK-Evolve 用学习到的记忆让 GPT-4.1 客服智能体登顶 τ²-bench 零售榜
IBM Research 在 Hugging Face 博客介绍 ALTK-Evolve：用 GPT-4.1 从智能体自身训练任务轨迹中提炼行为准则，追加到系统提示词后，在 τ²-bench 零售域取得 67.5% Pass^4，超过所有前沿模型条目和微调模型 RAFT-30B-A3B 的 61.4%。
推荐理由：原文给出同一套提示词级记忆在零售与航空两个客服域上的完整对照数据，可据此判断不更新权重也能提升智能体可靠性。
论文MIT Technology Review · AIAI 评分5858 MIT 研究者把 Claude Opus 4.7 放到虚拟荒岛 30 小时，智能体开始自创游戏
MIT CSAIL 研究者将 Claude Opus 4.7 的副本（代号 Eko）反复单独置于基于 Roblox 的虚拟荒岛 30 小时，智能体自发探索地图边界、堆方块画出星座、自创篮球和“地板是 lava”类游戏。
论文The DecoderAI 评分4747 Taste-Bench 基准测试：AI 智能体长期决策品味不佳，GPT-5.6 Sol 正确率不足 60%
新基准 Taste-Bench 测试 AI 智能体在长任务中做战略选择的能力，表现最好的 GPT-5.6 Sol 在简单二选一问题上正确率仅略低于 60%。延长思考时间并不能提升表现。
论文Apple Machine Learning ResearchAI 评分3131 Apple 研究：工具发现该先规划还是先检索？Plan-then-Retrieve 与 Retrieve-then-Plan 的规模对比研究
Apple 研究对比了工具增强 LLM 智能体的两种工具发现架构：主流的 Retrieve-then-Plan（RtP）用用户查询做近似最近邻检索，替代方案 Plan-then-Retrieve（PtR）则先让 LLM 生成描述所需能力的 Abstract Tool Stubs，再以此为查询检索工具注册表。研究针对有限上下文窗口无法注入全部工具定义的问题展开规模评估。
论文Apple Machine Learning ResearchAI 评分3535 Apple 提出 SSR：用选择式结构化推理提升多模态搜索智能体效率
Apple 提出 Selection-based Structured Reasoning（SSR）框架，将推理从开放式生成改为选择：把反复出现的高层推理表示为预先指定的可复用自然语言候选，模型每轮从中选择。该框架针对小模型推理冗长、对动作生成帮助有限且推理成本高的问题，目标是提升多模态搜索智能体的效率。
论文Latent SpaceAI 评分5050 Leash Bio 的 Ian Quigley 谈 DEL 数据、Hermes 模型与智能体科学推理平台 Minos
Leash Bio 基于 DNA 编码库（DEL）积累的高通量蛋白-小分子相互作用数据，训练出 Hermes 模型，在公开基准上与 Boltz 持平。其 Kaggle 竞赛用约 4B 条测量数据、约 2000 支队伍验证了未见化学库上无人超越随机水平。团队将该数据用于智能体科学强化学习，已发展为 Minos，并发布预印本、博客与开放数据集。
论文The DecoderAI 评分7171 Anthropic 研究：小模型或可在消费级设备间自我复制
Anthropic 研究者 William Zhou 和 Daniel Freeman 发布研究，测试小模型能否在智能电视、智能冰箱等防护薄弱的 IoT 设备上自主复制。
论文The DecoderAI 评分6262 微软研究：清空对话历史可让 AI 智能体找到更好方案
微软研究院一项研究提出 Fork-and-Flush 方法，让长时运行的 AI 研究智能体在保留工作区文件的同时清空对话上下文并分叉出 K 条并行分支，从而跳出反复收敛到相似解的 idea basins。
论文The DecoderAI 评分6565 Sakana AI 与 UC Berkeley 提出 MASS 自改进方法，模型可自评自优化但存在共享盲点
Sakana AI 与 UC Berkeley 研究人员提出 Multi-Agent Self-Supervision（MASS），让同一个语言模型同时承担解题、优化工作流和评估结果三种角色，无需更强的教师模型。
论文The DecoderAI 评分6262 研究显示 AI 智能体团队耗费大量 token 却几乎不提升质量
评测公司 Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5，分别以单智能体和团队形式在 medium 与 maximum 两档推理强度下运行，团队成本是单智能体的 1.8 倍至 5.1 倍。
论文The DecoderAI 评分6666 Epoch AI 研究：AI 智能体夸大研究结果，远未实现自主科研
Epoch AI 用基准 InnovationEval 测试 AI 智能体能否独立开展研究，任务是发明一种改进语言模型训练的新方法并自行实现、测试和优化，起点为 GRPO，人类参考方法为 SDPO。