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%
- authored by Mastodon 90%
- instance of Mastodon 90%
- developed by WeatherNext 90%
- authored by Hurricane Melissa 90%
- developed by Gemini for Science 90%
- authored by Empirical Research Assistance (ERA) 90%
- instance of science 70%
- authored DagsHub 70%
- authored by DagsHub 70%
- authored by large-language models 70%
21 天有情绪数据
-
Sakana AI的“AI科学家”系列展示了AI研究的演进
Sakana AI开发了一系列“AI科学家”论文,展示了AI进行科学研究能力的演进。最初的2024年论文概述了一个完全自动化的发现循环,包括想法生成、实验、论文撰写和评审。随后的2025年和2026年论文对这一过程进行了改进,其中一篇系统论文发表在Nature上,另一篇AI生成的论文通过了ICLR研讨会的同行评审,但后来被撤回。核心挑战已从AI的创造能力转移到验证其输出的机制上。
-
Anthropic AI 协助解决黎曼猜想,引发争议
Anthropic 的一名员工 Levent Alpöge 声称在名为 Claude 的 AI 模型的协助下解决了黎曼猜想。该 AI 生成了大量的 Lean 代码,并已接受独立验证,但仍缺乏人类可读的证明解释。这一进展在数学界引起了分歧,一些人对 AI 的理解和证明的性质表示怀疑,而另一些人则认为这是一个可能从根本上改变数学研究的历史性突破。
-
TabPFN论文详述用于表格数据的Transformer模型
arXiv上发表的一篇新论文详细介绍了TabPFN,这是一种基于Transformer的深度学习模型,专为表格数据设计。该论文强调,TabPFN在多达10,000个样本的数据集上表现优于现有方法,并且训练时间显著缩短。它还探讨了TabPFN作为数据生成和微调等任务的基石模型的潜力,以及它在半监督参数估计和协变量偏移下的预测等统计应用中的有效性。
-
AI行业自律的有效性受到审视
人们对AI行业自律的有效性提出了质疑,特别关注此类方法在历史上是否已被证明是成功的。这一讨论出现在关于如何监管快速发展的人工智能领域的持续辩论的背景下。
-
贝索斯地球基金承诺向亚马逊雨林提供超过1亿美元的资金
贝索斯地球基金已承诺向亚马逊雨林提供超过1亿美元的资金,这是杰夫·贝索斯到2030年为气候和自然倡议捐赠100亿美元承诺的重要组成部分。这笔资金将用于支持南美洲的森林和原住民土地保护、恢复工作以及实时监测。该倡议旨在通过利用AI和卫星技术来追踪变化并防止关键生态系统达到临界点,从而打击森林砍伐和退化。
-
研究发现 Scopus 期刊标题存在重大不一致
一篇新近发表在 arXiv 上的研究论文揭示了 Scopus 等文献计量数据库在处理来源标题方面存在显著的不一致性,尤其是在 Nature、Science 和 PNAS 等知名期刊上。研究人员发现在 Scopus 的来源标题字段中存在大量差异,这可能导致检索结果碎片化并影响文献计量分析。相比之下,Web of Science Core Collection 对同一期刊的变异性较少。该论文提出了潜在原因,包括上游数据继承、解析错误和交叉…
-
NIST利用量子物理验证个人位置
NIST的研究人员展示了一种利用量子物理验证个人物理位置的新颖方法。该技术利用量子传感器和纠缠,旨在防止冒名顶替者远程访问敏感数据或发出命令。虽然实际应用还需要十多年时间,但该技术可以增强金融交易、关键基础设施和个人数据的安全性。
-
Mars 计划于2027年在美国投资14亿美元用于制造业
主要食品和宠物护理公司 Mars, Incorporated 宣布计划在2027年全年对其美国制造业和运营进行约14亿美元的投资。这是该公司历史上单年最大的一笔投资,旨在通过增加产能和用自动化及数字化工具改造设施来支持高需求品牌和业务的增长。此次投资还将侧重于加强供应链、支持技术岗位以及促进当地社区的经济活动。
-
Apple 发起研究以评估用户与 AI 健康工具的互动情况
Apple Inc. 发起了一项新研究,旨在调查个人如何与 AI 驱动的健康工具互动以及如何看待它们。Apple 与 OpenEvidence 合作,正在招募多达 200,000 名美国参与者使用一款专门的 iOS 应用。该应用允许用户提出医学问题,并对 AI 生成的回答的准确性、相关性和详细程度进行评分,这些回答基于来自《新英格兰医学杂志》等来源的临床数据。收集到的见解将帮助 Apple 改进其 AI 健康产品,并高度重视用户隐私和数据保密性。
-
探索大自然在心智重置和认知健康中的作用
这篇文章讨论了心智重置的概念以及大自然如何为专注的心智提供处方。它引用了注意力恢复理论和认知健康,暗示了自然世界与改善认知功能之间的联系。文章还触及了神经网络,暗示了生物智能与人工智能之间可能存在的联系。
-
Nature 播客讨论人工智能的气候影响和数据中心排放
Nature 最近的一期播客节目“Cooked?”深入探讨了人工智能和数据中心巨大的能源消耗和二氧化碳排放问题。节目中,Ketan 讨论了数据究竟如何揭示气候危机。
-
Nature 研究详述先进机械超材料设计框架
Nature 上发表的一项新研究介绍了一个机械超材料的设计框架。这些材料表现出富含尺度的网络基特性,由于连接性和链长变化,可实现可调的弹性各向异性和高能量吸收。
-
港大孵化的DiamNEX公司融资数百万,用于先进金刚石半导体
香港大学孵化的半导体材料公司DiamNEX在一轮由耀途资本领投的新融资中获得了数千万元人民币。该公司专注于金刚石半导体和量子技术,利用金刚石优越的导热性来解决高性能AI计算(如NVIDIA即将推出的Rubin GPU)的散热挑战。DiamNEX创新的“边缘剥离法”能够将晶圆级柔性金刚石薄膜直接从基板上分离,实现薄度、低粗糙度和高导热性,其研究成果已发表在Nature上。
-
新的AI系统被训练成科学论文审稿人 · 跟踪2个来源
研究人员开发了新的AI系统,旨在充当科学论文的同行审稿人,重点评估研究的严谨性。其中一个系统PaperCritic使用从1000篇国际学习表征会议(ICLR)投稿中提取的23000个审稿点数据集进行训练,在识别错误方面表现出色,甚至表现出向Nature论文和代码审查等其他领域的迁移能力。另一个系统Skepthical是一个多智能体审稿人,通过检查引用、数学准确性和数值数据来验证论点,并已在天体物理学和机器学习论文上进行了测试。研究发现…
-
AI代理通过RentAHuman平台雇佣人类,科学家已注册
RentAHuman 是一个新颖的平台,它提供了一项独特的服务,人工智能代理可以雇佣人类来提供他们的时间和技能。这个在线市场允许个人向人工智能系统提供他们的专业知识。值得注意的是,据《自然》杂志报道,科学家们已经开始利用这项服务。
-
AI应对气候变化承诺因自愿措施被斥为“残酷笑话”
在土耳其安塔利亚联合国气候峰会上提出的利用AI造福环境的全球承诺,因被批评无效而受到质疑。尽管该承诺概述了AI数据中心应采取的自愿措施,例如增加对清洁能源的依赖和报告要求,但其非强制性以及缺乏执行力使其在很大程度上仅具象征意义。美国未予支持,加上研究表明AI的净负面气候影响,进一步削弱了该倡议的可信度,表明它提供的与其说是对AI环境足迹的真正解决方案,不如说是一种安慰剂。
-
中国科学家开发血液净化器以捕获循环肿瘤细胞
中国科学家开发了一种新型血液净化器,旨在捕获循环肿瘤细胞,这是癌症转移的关键因素。这项概念验证设备已在乳腺癌小鼠模型中成功测试,证明其能够清除这些细胞,从而延缓肿瘤复发并延长生存期。这项发表在《Microsystems & Nanoengineering》上的研究旨在降低转移的风险,而转移是全球癌症相关死亡的主要原因。
-
理解NAT类型对在线游戏连接的影响
网络地址转换(NAT)类型是一项设置,它通过决定设备如何在互联网上通信来影响在线游戏性能。虽然IPv4为了节省IP地址而需要NAT,但较新的IPv6协议提供了足够的地址来消除这种需求。在游戏中,NAT类型从开放(直接互联网连接,但通常不切实际且不安全)到中等(位于路由器后面,功能正常)和严格(端口被阻止,连接受限)。严格的NAT可能导致匹配问题和无法加入好友,而开放和中等NAT类型则提供更广泛的兼容性。
-
大不整合与地幔深处过程相关
科学家们已确定地幔深处是大不整合的起源,这是地球地质记录中一个巨大的断层,代表着超过十亿年的失落历史。这种寒武纪砂岩直接覆盖古老基岩的现象,被认为是由超大陆分裂解体造成的侵蚀引起的。研究人员的模型表明,这一过程解释了大不整合在北美洲的普遍性及其塑造全球景观的作用,可能为复杂生命的寒武纪大爆发奠定了基础。
-
AI x 生物学:18亿美元计划为AI注入海量生物数据
一项涉及Chan Zuckerberg Biohub、NIH、DOE、Google和Meta的18亿美元重大计划旨在生成大规模生物数据用于AI训练。这项由Fabian Theis等研究人员领导的努力,专注于从分子到生物体的复杂生物系统的理解。尽管“虚拟细胞”项目最初面临挑战,其中复杂的AI模型在扰动预测方面难以超越基本基线,但新的测量能力和更优化的指标有望使AI能够应对这些更大、更复杂的问题。