science
PulseAugur coverage of science — every cluster mentioning science across labs, papers, and developer communities, ranked by signal.
- instance of Peking University 90%
- instance of Escherichia coli 90%
- affiliated with Chinese Academy of Sciences 70%
- developed Chinese Academy of Sciences 70%
- instance of medicine 70%
- authored by Arjun K Manrai 70%
- authored by Adam Rodman 70%
- instance of DagsHub 70%
- used by Escherichia coli 70%
- developed by Chinese Academy of Sciences 70%
- instance of ScienceCast 70%
- instance of CatalyzeX 70%
- 2026-05-21 research_milestone A new study published in the journal Science examines AI use and academic dishonesty among college students. 来源
17 天有情绪数据
-
批评科技文化的“创意人士”神话，引用AI和Elon Musk
作者批评科技和科学领域普遍存在的“创意人士”文化，尤其以Elon Musk等人物为代表。这种观点根植于受基督教影响的天才观，错误地将创新归功于个别有天赋的个体，而忽视了进步的协作性和迭代性。文章认为，许多被大肆宣传的AI进展仅仅是旧概念的放大版本，并非根本性的新想法。
-
AI 助手学习用户上下文：数据归谁所有？
作者讨论了 AI 助手从用户交互中学习的含义，特别是质疑累积的上下文归谁所有。虽然像 Nous Research 的 Hermes AI Agent 这样的模型会根据用户模式改进其技能，但作者认为这种学习到的上下文与底层模型不同，应该由用户控制。作者提出了一个内存层，类似于他们自己的 Empirical 项目，该项目独立于任何特定的 AI 助手存储用户决策和偏好，使用户在切换不同 AI 模型时能够保留其累积的知识。
-
AI模型尺寸增长，本地机器配置下降
用于AI工作的本地机器的规格在中值能力上正在下降，而它们能运行的模型尺寸却在迅速增长。一年前，在标准笔记本电脑上运行一个350亿参数的模型被认为是荒谬的，但现在已经成为可能，尽管存在性能限制。虚拟化和将处理卸载到SSD的进步有望提高可用性，许多个人正在试验新颖的技术。
-
LLRX 将发布关于人工智能、气候和特朗普政府科学政策的文章
LLRX 将于 2026 年 9 月发布一系列文章和专栏，涵盖特朗普政府对科学、研究和公共卫生的影响以及伊朗律师的状况等主题。该出版物还将讨论法律实践中的自主代理人、律师人工智能书籍指南以及联合国气候目标超标报告的影响。此外，还将有关于塑料公司如何影响教育课程以及公墓在野生动物保护中的作用的内容。
-
AI 通过梳理生物数据加速科学研究 · 已追踪 3 个来源
人工智能正被证明是科学研究中的宝贵工具，尤其是在分析海量生物数据方面。先进的 AI 模型通过高效地梳理复杂数据集，正在加速科学发现的步伐。重要的是，这些 AI 系统正在增强科学家的工作，而不是取代他们，使研究人员能够专注于更高级别的分析和解读。
-
新型TFCN模型改进航天器热设计预测
研究人员开发了一种新颖的树状因子组合网络（TFCN），以更准确地预测航天器热设计中的温度场。这种新架构将复杂配置分解为可重用的局部物理因子，使其能够从不同的因子组合中学习全局响应。与现有的基线模型相比，TFCN在预测比其训练过的组件更多的配置的温度场方面显示出显著的改进，并实现了显著的RMSE降低。这种方法为快速航天器热设计评估和大规模配置筛选提供了一种有效的代理。
-
新型AI模型PrecepTron将临床判断规模化用于医疗AI评估
研究人员开发了PrecepTron，这是一种新的人工智能模型，旨在评估其他医疗人工智能模型的临床推理能力。PrecepTron使用低秩适应方法，在有限的医生示例集上进行了微调。为了支持这项工作，创建了一个名为GRAND-ROUNDS的大规模基准测试，其中包含来自160名临床医生的9000多份医生评分的响应。这个新系统允许对医疗AI进行可重复和可扩展的研究，使研究人员能够在没有大量人工评分的情况下分析LLM在复杂任务上的表现。
-
人工智能的炒作掩盖了基础科学，用户认为
一位Mastodon用户表示担忧，目前围绕机器学习和人工智能的炒作和歇斯底里正在掩盖物理学和数学等基础科学领域的悠久而丰富的历史。用户认为，这些成熟领域的贡献远远超过了当前人工智能进步的贡献，并建议即使人工智能能够解决黎曼猜想等复杂问题，数学本身的追求仍然具有重要价值。该帖子警告不要将人工智能的进步视为迫在眉睫的生存威胁，而是将当前的讨论比作痴呆症，而不是真正的僵尸启示录。
-
人工智能意识：我们能知道吗？我们有哪些义务？
一篇论文探讨了人工智能意识的哲学和伦理影响，质疑当前认识论方法是否能最终确定人工智能系统是否具有意识。研究强调，即使经验性工具提供了数据，解读其伦理意义仍然是一个挑战，从而引发了关于这种不确定性所产生的义务的讨论。
-
研究表明AI模型难以检测多模态假新闻 · 追踪6个来源
新研究探讨了多模态大语言模型（MLLMs）在生成和检测假新闻方面的能力和局限性。研究表明，虽然MLLMs可用于创建跨各种领域的逼真虚假社交媒体帖子，但当前的检测模型在识别图像真实性方面，其准确性常常达不到人类水平。研究人员正在开发新的框架和数据集，通过考虑生成方面和证据关系来改进检测，同时也强调了在人工智能驱动的虚假信息检测工具中，人类判断和透明设计的重要性。
-
新疆古代DNA揭示黄河流域农民与草原群体混合
发表在《科学》杂志上的一项最新研究分析了中国新疆古代墓葬的DNA，揭示了一个此前未知的、基因混合的人群。这些生活在大约3600年前商朝时期的青铜时代个体，其基因根源可追溯到黄河流域的农民和欧亚草原群体。这一发现挑战了此前关于天山北路墓地居民仅为游牧草原民族的假设。
-
研究发现：美国制裁刺激中国科技创新激增超70%
《科学》杂志上发表的一项最新研究表明，美国对中国技术的制裁无意中刺激了中国科技驱动型创新的显著增长。中国企业在面临限制时，增加了对开源科学文献和内部研究的依赖，导致其专利申请中的科学引用量增长了72%。研究人员认为，这些制裁可能正在促进独立技术体系的发展，这些体系最终可能与现有的全球创新生态系统竞争。
-
部分人类、部分小鼠大脑在科学突破中开发
科学家在一项重大的科学突破中开发了部分人类、部分小鼠的大脑。英国广播公司报道的这一进展标志着神经科学和生物学研究领域取得了显著进步。这种混合大脑创造的具体细节和影响仍在显现中。
-
纪录片探讨人工智能的优生学起源
一部题为《机器幽灵》的纪录片探讨了人工智能的优生学起源。该片在PBS播出，深入研究了人工智能的历史和科学基础，审视了其与优生学的联系。
-
LLM 基准测试存在缺陷导致分数虚高；修正后揭示更高能力
一篇新论文强调了许多当前 LLM 基准测试中存在的重大缺陷，特别是那些侧重于科学的基准测试。在修正了基准测试答案中的错误后，大型语言模型的性能得分大幅提高。这表明现有的评估可能无法准确反映 LLM 在科学领域的真实能力。
-
人工智能作为常规技术引发争议，涉及生物武器和失控风险 · 跟踪 10 个来源
多个来源讨论了将人工智能视为“常规技术”的概念，并将其与人工智能的独特风险（特别是关于生物武器和失控）需要不同处理方式的观点进行了对比。一种观点认为，由于人工智能可能导致灾难性后果，不应将其视为标准技术进步；另一种观点则在失控事件的背景下探讨了“人工智能作为常规技术”的观点。讨论还触及了围绕人工智能在生物武器开发中的作用的争论，专家们对于警告是否合理或被夸大存在分歧。
-
香港学生Pisa成绩创历史新低，引发担忧
香港在最新的国际学生能力评估计划（Pisa）中的表现显著下滑，数学、阅读和科学成绩均创下有记录以来的最低点。该市在科学排名中从第7位跌至第17位，与其之前的地位形成鲜明对比。一位教育专家指出，引入的创造性思维指标显示出学生在产生和评估想法方面存在困难，这表明需要改变课堂教学方法，而不是仅仅将下滑归咎于COVID-19大流行等外部因素。
-
中国研究人员通过AlScN技术将未来内存耐久性提高100倍
中国研究人员通过限制纤锌矿铁电体中的氮空位移动，显著提高了下一代内存技术的耐久性。这项进展允许超过100亿次写入循环，与之前在氮化铝钪（AlScN）等材料上的成就相比提高了100倍。这项由西安交通大学、香港城市大学和复旦大学合作取得的突破，解决了关键的可靠性障碍，并可能加速铁电内存在高性能计算和AI系统中的应用。
-
ECCV 2026：AI研究涵盖3D重建、城市和热成像
研究人员在欧洲计算机视觉会议（ECCV）上展示了涵盖3D重建、城市环境和热成像等主题的工作。会议定于两年后再次举行。
-
新的界限揭示了球体上浅层 ReLU 网络配置相关的近似极限
研究人员为浅层 ReLU$^k$ 神经网络在球体上运行时所能达到的近似能力建立了新的理论界限。研究结果表明，近似精度取决于网络内部参数的配置，特别是两极分离距离。对于某些参数配置，这些网络可以优于传统的有限元方法，但这种优势存在固有的局限性。