Tag

research

10 篇内容

报告深研2026/08/21

Jeff Dean 创办 Discovery Loop，真正值得看的不是明星创业，而是一次从规模化计算走向规模化发现的下注：AI 的临界点正在从生成答案转向经营可信闭环。

报告前沿2026/08/20

驱动Claude跑完48小时蛋白质设计的不是一句提示词，而是一份16,281词的协议。其中只有约三分之一是科学知识，其余三分之二在编码组织、预算、验证和交付。

报告前沿2026/08/20

Claude完成了覆盖多个蛋白质靶点的设计与湿实验闭环。比14/15更值得关注的，是通用Agent开始编排专业工具、算力与实验平台。

报告深研2026/08/20

提出一套可审计的 AI Scientist 验证框架，把问题价值、证据接地、计算测试、物理实验、独立复现和责任归属分开检查。

访谈精读对话2026/08/20

精读 Stanford HAI 关于 AI for Science 的公开讨论：当系统可以大量生成假设，问题价值、实验验证、数据偏差与共同体判断反而成为稀缺环节。

简报前沿2026/08/20

把五类被称作 AI Scientist 的系统放在同一张证据地图上，区分假设生成、论文形成、实验闭环、物理验证与独立复现。

访谈精读对话2026/08/19

精读一场 Microsoft Research 公开访谈：AI4S 的分界点不在模型是否懂科学术语，而在它是否改变了建模、模拟、设计与验证。

备忘深研2026/08/19

模型结果只是起点。问题、证据、数据、实验和采用五道关口，帮助我们判断一项 AI4S 能力距离真实价值还有多远。

简报前沿2026/08/19

Co-Scientist 展示的关键变化，不是让模型替代科学家，而是把生成、批评、排序与实验选择组织成一条可检查的循环。

备忘深研2026/08/19

AI for Science 不只是模型能力的竞赛，更是科学问题、工程系统、产业需求和新组织方式重新连接的过程。