一周 1500 篇 AI for Science 论文，核心问题只有一个：和什么比？
bravo_abad · x · 2026-11-12
Discovery at Scale 周报（11 月 4-10 日）复盘一周约 1500 篇 AI for Science 论文，提炼出统一教训：结论的强度取决于对照对象。用五个案例说明「基线、指标、规模」如何改变结论：
- 三个基础模型（RNA、人类步态、对撞机物理）问世，但都未报告「同架构同输入从零训练」的对照——无法区分是预训练、架构更好还是喂了更多信息。
- 融合两个细胞基础模型几乎无用：仅在 1% 标签上微调的单个基因表达模型击败了所有融合方法。
- 极端降雨预报：GraphCast 逐点击败 3km 物理模型，但在匹配区域上物理模型在短预报时效内领先——排行取决于打分方式。
- 系外行星辐射传输 emulator：GPU 大批量下比参考实现快 800 多倍，CPU 单剖面逐条只快约 6 倍——加速倍数取决于真实硬件与负载。
- 谵妄预警系统：在第二家医院保持 AUROC 0.91，但约每 4 次警报才有 1 例真阳性。
方法论要点：选择与决策匹配的对照，测试预训练贡献要从零复训并给基线同样的原始输入，拟合好之外还需独立证据。
「研究」频道最新
- CyberBinGym 设置：53 个项目 100 个真实漏洞，Agent 只拿 stripped 二进制 — dawnsongtweets · 2026-11-12
- Dawn Song 团队发 CyberBinGym：AI 仅凭二进制补丁 20% 可写出真实漏洞利用 — dawnsongtweets · 2026-11-12
- 基准饱和后怎么办:研究者提出持续演化基准与 OOD 技能习得测量 — novasarc01 · 2026-11-12
- 数据飞轮是假的?研究者:只有模型失败的部署数据才有价值 — chris_j_paxton · 2026-11-12
- Neuron Lens 新增电路视图：直观追踪 Qwen3 与 Gemma 激活流向 — burny_tech · 2026-11-12
- Will Depue 发起 5 万美元 Claudestronomy 资助，用 AI agent 挖公开天文数据 — willdepue · 2026-11-12