Nature
PulseAugur coverage of Nature — every cluster mentioning Nature across labs, papers, and developer communities, ranked by signal.
- developed WeatherNext 95%
- developed by Empirical Research Assistance (ERA) 95%
- instance of Mastodon 90%
- developed by WeatherNext 90%
- authored by Empirical Research Assistance (ERA) 90%
- authored by Hurricane Melissa 90%
- developed by Gemini for Science 90%
- affiliated with Empirical Research Assistance (ERA) 70%
- affiliated with Gemini for Science 70%
- authored by large-language models 70%
- instance of science 70%
- authored by Google Quantum Ai 70%
13 天有情绪数据
-
新型开放式视觉语言模型MedGemma面向医疗应用
一项发表在《Nature》上的研究详细介绍了一种新开发的、用于多种医疗应用的开放式视觉语言模型。该模型名为MedGemma，旨在通过AI提升医疗领域的各项能力。
-
Bluesky AI关于字节级语言模型的研究被Nature录用
一篇详细介绍语言模型字节级操作改造方法的论文（即Bolmo）已被Nature录用发表。同时，还将发布新的检查点，将这种字节级操作技术扩展到Qwen和Llama模型。
-
中国钍-229核钟稳定性超越维也纳
中国研究人员开发出一种钍-229核钟，其稳定性优于欧洲团队开发的类似装置。据报道，中国核钟的稳定性是维也纳技术大学（TU Wien）核钟的六倍。两支团队均独立利用晶体中的钍-229原子核，通过原子核的节律来测量时间，这是一种新颖的计时方法。中国团队在不同晶体中重现一致时间方面的成功，表明该技术具有可靠复制的潜力。
-
Mumsnet 否认 AI 内容生成，因提示词出错
Mumsnet 否认在其平台使用人工智能生成内容，此前一个用于撰写论坛帖子的详细 AI 提示词出现在其留言板上。用户对此表示担忧和不信任，质疑该网站讨论的真实性。Mumsnet 的创始人 Justine Roberts 解释说，该提示词源于 OpenAI 模型，用于建议帖子标题，但承认这是 OpenAI 的失误，并向用户保证 Mumsnet 不会使用 AI 来撰写帖子或回复。
-
中国在关键技术领域崛起，超越美国研究水平
中国在人工智能以外的各个技术领域正迅速发展，挑战美国的领先地位。澳大利亚战略政策研究所的一份报告显示，中国目前在74项关键技术中的近90%领域的研究处于领先地位，这与二十年前美国拥有类似优势的情况相比，发生了重大转变。尽管在研究方面处于领先地位值得关注，但其转化为应用技术和制造业仍是一个关键问题，例如中国在喷气发动机等复杂创新方面遇到的困难就说明了这一点。然而，中国在消费级无人机等领域的成功，DJI占据了全球市场的主导份额，表明其日益…
-
研究人员被指控在竞赛视频中使用人工智能；达特茅斯学院调查教授和教务长
赢得Nikon Small World in Motion竞赛的研究员Ning Xu博士正接受调查，因其涉嫌在其获奖视频中使用人工智能。科学家们注意到视频中的不一致之处，并且使用Google的SynthID进行的分析据称检测到了人工智能水印。Xu博士承认在后期处理中使用了人工智能，但声称是为了增强色彩，并未违反竞赛规则。另外，达特茅斯学院正在调查一名教授及其教务长涉嫌在其学术写作中使用人工智能，这与学生对双重标准的担忧相呼应。
-
Capcom 开源游戏引擎技术；AI 攻克《战争棋》
Capcom 在 GitHub 上发布了 RE:Dox，一个用于游戏引擎的开源序列化和反序列化框架。另外，一个 AI 在掌握复杂游戏《战争棋》方面取得了突破。《战争棋》以其隐藏信息而闻名，这在历史上一直对 AI 发展构成挑战。该 AI 的成功细节已在 Nature 期刊和 arXiv 预印本中公布。
-
由于 AI 论文激增，arXiv 将提交限制为每月两篇
arXiv 已实施新的提交限制，研究人员每月最多可提交两篇论文，任何时候最多可提交三篇活跃论文。该政策自 2026 年 10 月 1 日起生效，是对人工智能生成论文数量压垮平台志愿者审核系统这一情况的直接回应。此举旨在遏制由于人工智能降低论文产出门槛而激增的低质量或“香肠式切片”论文的提交。
-
Google DeepMind 在《自然》杂志上公布 AI 蛋白质标记方法
Google DeepMind 推出了一种用于标记人工智能生成的蛋白质序列和结构的新颖方法。该技术发表在《自然》杂志上，并在实验室测试中得到验证，其中标记的分子成功保留了其结合特性。
-
《自然》杂志研究发现：人工智能导师显著提升学生学习效果
发表在《自然》杂志上的一项新研究表明，与参与传统课堂活动的学生相比，使用人工智能导师的学生学习效率更高，耗时更少。该研究特别回应了关于人工智能可能导致认知能力下降的担忧，认为这种影响与懒惰使用有关，而非仅仅是人工智能工具的应用。研究结果强调了人工智能导师在教育领域的潜在益处，尤其是在软件工程教育方面。
-
LLM代理在天文学研究中重现隐性科学知识方面存在困难
开发了一个新的框架来评估LLM代理从已发表的研究中重现隐性科学知识的能力。该框架应用于十四项天文学研究，其中相当一部分研究显示出歧义，阻碍了独特的重现路径。研究强调，匹配已发表的结果并不一定能验证底层推理的重现，而主要的瓶颈通常是连接相关信息失败，而不是检索信息失败。
-
整合了人类脑细胞的小鼠皮层显示出认知能力的提高
斯坦福大学的研究人员通过用人类细胞替换其大部分大脑皮层，开发出了“异种皮层小鼠”。这些经过改造的小鼠，缺乏大部分自然皮层和海马体，在记忆测试中的表现优于对照组小鼠。这项发表在《自然》杂志上的研究，突显了类器官技术的进步，并引发了关于此类动物模型潜在人类意识的伦理考量，科学家们警告不要在灵长类动物身上进行类似实验。
-
新 AI 代理将研究论文转化为交互式工具
研究人员开发了 Paper2Agent，一个可以将科学研究论文转化为交互式人工智能代理的框架，该代理能够复现结果并在新数据上运行。该系统在《自然》杂志上有所介绍，它将论文及其相关代码转换为模型上下文协议 (MCP) 服务器，允许像 Claude Code 这样的 AI 代理通过自然语言执行论文中的方法。Paper2Agent 在生命科学的各个领域都表现出优于商业通用代理和现有方法的性能，能够准确复现已发表的图表并高效处理复杂数据集。
-
人工智能开创新型蛋白质，开启新的科学前沿
人工智能正在实现创造自然界从未存在过的新型蛋白质。这一突破为科学研究和开发开辟了新的可能性。
-
中国发现的丹尼索瓦人化石揭示古代“狩猎天堂”
在中国云南省的化石发现揭示了丹尼索瓦人这一古人类群体，填补了他们已知分布范围的显著地理空白。研究人员通过古老蛋白质识别出丹尼索瓦人遗骸，将槟榔洞确立为西伯利亚以外该物种的一个关键地点。研究结果表明，丹尼索瓦人是适应当地资源的专家猎手，生活在一个被描述为古代“狩猎天堂”的地方。
-
人工智能对人类技能的影响：早期研究显示负面结果
《自然》杂志上发表的一项研究表明，使用人工智能工具可能正在对人类技能产生负面影响。早期结果表明，由于过度依赖人工智能，某些能力有所下降。这引发了对人工智能对技能发展和保留的长期影响的担忧。
-
AI设计出优于进化的基因疗法递送系统
研究人员利用AI设计了新型RNA转移载体用于基因疗法，其能力远超人类努力和自然进化。这些合成蛋白质组装能够以显著提高的效率递送遗传物质。《自然》杂志发表的这些发现，通过加速复杂生物系统的设计，凸显了AI在革新医疗方面的潜力。
-
Google的WeatherNext AI模型在气旋预测准确性方面表现优异
Google开发的一款名为WeatherNext的新AI模型，在预测气旋方面表现出优于传统方法的性能。发表在《自然》杂志上的研究表明，WeatherNext可以提供额外的预警时间，在三天内的预测准确性达到了以往两天预测的水平。这是AI日益融入天气预报领域的一个更广泛趋势的一部分，通过学习模式而非仅仅依赖复杂的基于物理学的计算，提供更快、更具成本效益的预测。
-
科大讯飞 X2.5 模型展示了高级编码和智能体能力
科大讯飞发布了其新的 X2.5 模型，拥有 2930 亿参数，在编码和智能体工作流方面能力得到增强。该模型在三项不同测试中表现出色：生成交互式 3D 粒子网页、分析包含可视化和风险评估的 61 页财务报告，以及设计一个完整的游戏网站。值得注意的是，科大讯飞强调 X2.5 的整个训练和部署流程均在中国本土算力上运行，旨在创建一个闭环系统，以实现持续的模型改进和大规模智能体应用。
-
Google DeepMind 发布全面的 DNA 变异影响预测
Google DeepMind 发布了 AlphaGenome Atlas，这是一个在线存储库，包含对所有 90 亿种可能的单字母 DNA 变异的预先计算的预测。这个基于 AlphaGenome 模型构建的 AI 工具可以预测这些变异如何影响基因表达和调控活性。该 Atlas 旨在让科学家更容易获得这些复杂的基因组见解，提供一个单一数字的影响分数以供快速评估，并可能加速生物学和疾病治疗的研究。