AI/编程
领域「AI/编程」下的文章与资讯
AI 开始自己设计物理实验：从调参数到发明装置
让 AI 帮忙做实验，过去主要是调几个旋钮。图宾根大学团队在 Nature 上梳理了下一步：让 AI 在由可用元件构成的庞大配置空间里搜索全新的实验布局。人选目标，AI 出方案，物理模型验算，人来判断可不可行。
AI 搜索 1 亿种参数组合，40 次实验就找到 NASA 火箭合金的 3D 打印方案
研究人员用人工智能遍历超过 1 亿种 3D 打印参数组合，仅用 40 次实际实验就筛选出 6 种能成功打印 NASA 高性能火箭合金的工艺方案，显著降低试错成本。
斯坦福等发明"Agent 原生论文格式"，想让 PDF 退休
来自斯坦福、MIT、CMU 等机构的 37 位研究者提出了一种"Agent 原生"的论文新格式，目标直指一个老痛点：AI 越来越读不懂 PDF。新格式让机器更好地解析学术内容，可能重塑论文的写作、评审与核查方式。
AI 辅助证明 70 年猜想，陶哲轩顺手点破更强结论
2026 年，一支团队借助 AI 完成了悬置约 70 年的"森多夫猜想"的证明；菲尔兹奖得主陶哲轩在复核中指出其中藏着一条更强的结论。数学这门最依赖理性的学科，正第一次迎来真正的机器协作者——但提出好问题的人，依然无可替代。
AI 从头"写"出一个病毒基因组：Evo 2 造出噬菌体对抗超级细菌
斯坦福与 Arc 研究所用基因组大模型 Evo 2，自主生成了全功能噬菌体基因组，做成"噬菌体鸡尾酒"攻击抗生素杀不死的超级细菌。这是"AI 写生命"从读取到创造的关键一跃。
Mojo 开源：想让 AI 开发者"既要 Python 的简单，又要 C 的速度"
由 Modular 开发、如今并入高通的 Mojo 语言正式开源。它定位为 Python 的"超集"，目标是让开发者用接近 Python 的语法写出接近 C/C++ 的性能，直指 AI 和高性能计算的痛点。
AI 专业本科必读书单：从数学基础到科研前沿的地图
AI 本科四年读什么？数学基础+核心教材+思想经典+工程工具，附阅读路线。
旗舰模型进入"白菜价"：GPT-5.6 Sol 降价 50%，推理指数超越 96% 模型
OpenAI 旗舰 GPT-5.6 Sol 于 2026-07-09 发布、1M 上下文；8 月价格直降 50% 至 2.5/15 美元每百万 token，智能指数超越 96% 模型。大模型正从"奢侈品"变"水电"。
当有人开始"优化"AI，而不是搜索引擎：伪造智库试图操纵聊天机器人
2026 年 8 月，一个凭空出现的"Hanover Institute"两周发布百余篇文章，被指是以色列政府公关公司用"AI 故事优化"量身打造，专门影响 Claude、Gemini 等聊天机器人的回答。
从读基因到写生命：合成生物学的 30 年跃迁
1977 年 Sanger 测序开启"读基因"时代；2026 年 Evo-2 等 AI 已能从头设计基因组、扩展遗传密码到 19 种以上氨基酸。合成生物学正从"读取"走向"编写"生命。
AI 接管文献核查：从 1950 年代文献计量学，到 2026 年 agent 揪出数十年旧错
早在上世纪 60 年代，科学计量学奠基人就设想用计算梳理文献。2026 年 8 月《自然》报道：AI agent 能自动比对原始数据，抓出埋藏数十年的论文与数据库错误。科研范式正在被悄悄升级。
材料发现的范式转移：从烧炉子试错，到 AI 自己「写」新材料
MIT SCIGEN 生成千万候选、NC State PoLARIS 自主实验室 12 小时筛选、复旦强化学习找到拓扑材料——"人-AI-机器人"闭环正把新材料发现从十年压缩到数天。
AI 从头设计蛋白：RFdiffusion 与 BindCraft 正在重写生命分子
过去设计一种能结合特定靶标的蛋白，要靠免疫或海量筛选。如今 RFdiffusion 用扩散模型「画」出全新蛋白质骨架，BindCraft 围绕靶标表位自动设计结合蛋白——AI 正把蛋白质设计从「优化已知」推向「从无到有」。
当生物遇见 AI 与化学：AlphaFold2、scRNA-seq 与质谱的跨界
跨学科热度榜显示，现代生物医学突破越来越依赖生物、化学与 AI 的交叉。从 AlphaFold2 的结构预测到质谱的精准定量，再到人工神经突触模块，学科边界正在消失。
你的咖啡机也能上监控：用 OpenTelemetry 给家电做可观测性
一位工程师用 OpenTelemetry 给自己的意式咖啡机接上传感器和遥测管线，把"萃取温度曲线"变成可观测指标。这股把可观测性（日志、指标、追踪）下沉到物理设备的风潮，正是 IoT 与 DevOps 交汇的缩影。
GLM 5.2 与开源模型崛起：MIT 许可、能写代码、中国模型占六成流量
2026 年中，开源权重模型迎来架构密集创新：智谱 GLM 5.2 以 MIT 许可、128K 上下文在代码任务上追平闭源旗舰；同期中国开发的开源模型已占头部平台约六成流量。开放与封闭的拉锯，正在改写 AI 的供需格局。
书生 Intern-S2：让大模型的"记忆"与"思考"分家，专攻科学发现
上海人工智能实验室发布 Intern-S2-Preview-397B，以 397B 参数在分子设计、材料结构等科学任务上追平此前的万亿模型。其关键在于"知识与推理分离"的双引擎架构，把大模型专业化从整体改造变成可持续的能力生长。
扩散语言模型来了：英伟达三模式模型让 AI 一次吐出几十个字
英伟达的 Nemotron-Labs-Diffusion 把"逐字生成""扩散生成"和"自猜自验"三种模式融进一个 8B 开源模型，试图回答业界争论：扩散模型能否在加速上真正超越传统方法？
大模型如何"记笔记"：语义缓存把长文本显存砍掉一半
不列颠哥伦比亚大学与微软研究院提出 SEKV（语义键值缓存），把大模型处理超长文本时的 GPU 显存占用降低 53%，性能反而提升近 6%。核心思想像极了人类的阅读法：摘要在手、原书待命。
Kimi K3：2.8 万亿参数的开源模型，用"内存"绕过算力封锁
月之暗面发布的 Kimi K3 以 2.8 万亿参数成为迄今最大的开源权重模型，但它真正的故事不在算力，而在"内存"——用混合专家、4 位量化和长上下文缓存，把运行成本压到闭源巨模型难以企及的区间。