5 月 29 日 三位前 DeepMind 研究员创办的 Inherent 走出隐身，种子轮 5000 万美元，由 Index 与 Radical 联合领投 发生了什么： Tantum Collins 、Edward Hughes 和 Louis Kirsch 都来自 Google DeepMind，他们与来自 Reka AI 和 Microsoft 的 Kaloyan Aleksiev 在伦敦创办了这家公益公司。Index Ventures 与 Radical Ventures 领投，NVentures、Ex/Ante、Metaplanet、Macroscopic Ventures、Mythos Ventures 参与。公司在做 Faraday：让研究者与能自我改进的 AI 智能体合作。Index 的 Danny Rimer 说，缺口在于 AI 还不会挑选哪些问题值得问。
为什么重要： 这是记录里已有一项结果背后的钱：三个月后 Inherent 发布了 Faraday，一个训练来指挥编程智能体复现论文的 270 亿参数模型。这轮融资说明投资人愿意支持一家小实验室，它押的是科学家和智能体如何分工，而不是最大的模型。
证据与边界： 融资本身不说明 Faraday 是否有效，那是之后那篇论文要回答的问题。Index 确认了领投；其他参与方来自 TNW 的报道。
资本 Index Ventures ↗ 在时间线上 →
5 月 28 日 Unreasonable Labs 的 ProjectionBench 让模型只凭研究问题预测一篇新论文的结果，再逐步给出更多细节；GPT-5.4 得分最高 发生了什么： Andrew J. Lew 、Yuan Cao 和 Markus J. Buehler 选了 45 篇半年内发表的 Springer Nature 开放获取论文，涉及生物活性材料、力学材料和纳米材料。模型先拿到主题和研究问题，再拿到零假设，最后拿到实验步骤，每一步都离线预测结果。由 GPT-5 把预测和论文结论拆成原子主张并计算重合度。GPT-5.4 最好（曲线下面积 1.56，Gemini 2.5 Pro 为 1.33），在信息最少时 F1 仍有 0.70。
为什么重要： 多数科学基准考的是模型已经知道的东西；这个基准用比训练数据更新的论文，让模型预测它不可能读过的结果。它还显示了哪类信息最有帮助：补上零假设带来的提升，比补上实验步骤更大。
证据与边界： 标准答案由 GPT-5 提取，所有回答（包括 GPT 系列的）也由它评分，作者自己指出这可能带来偏差。只有三个材料方向的 45 篇论文，基准当时尚未公开。与论文结论吻合衡量的是一致程度，不是预测本身对不对。
作者 Andrew J. Lew 、Yuan Cao 、Markus J. Buehler
研究 arXiv 2605.30284 ↗ 在时间线上 →
5 月 27 日 Unreasonable Labs 的 LEIA 预测三维点阵材料在逐步加载下如何变形、应力集中在哪里，只对照仿真检验 发生了什么： Unreasonable Labs 的 Haiqian Yang、Yuan Cao 和 Markus Buehler 训练了一个模型：载荷一步步加上去，它一步步预测点阵材料怎么变形、应力集中在哪里。在他们新建的 MicroPlate 上（63 块点阵板，网格最多 44.2 万个节点），它预测的应力与仿真的相关系数，在训练过的形状上为 0.94，在 8 个未见过的形状上为 0.66。一轮设计搜索 30 分钟排序了 553 个候选，每个比有限元仿真快 100 到 300 倍。
为什么重要： 这家公司说自己的引擎能提出并检验假设，这是本站记录里它的第一个结果；但这里所有检验都对照作者自己跑的有限元仿真：没有造出或加载任何实物。作者说它只覆盖立方对称的点阵板和四种载荷，基准也是他们自建的。
作者 Haiqian Yang 、Yuan Cao 、Markus J. Buehler
研究 arXiv ↗ 在时间线上 →
5 月 27 日 Biohub 以 MIT 许可开放 ESMFold2，并报告其设计的小型结合蛋白在实验室里有 36% 至 88% 真的结合上了靶点 发生了什么： ESM 团队（2025 年 11 月并入 Biohub）一次放出三样东西：ESMC，用约 28 亿条蛋白质序列训练的语言模型；ESMFold2，从序列预测蛋白质及其复合物的全原子结构；ESM Atlas，一张 68 亿条序列、11 亿个预测结构的图谱。在预印本中，Sal Candido 、Alexander Rives 等 41 位作者为癌症与免疫研究的五个靶点设计结合蛋白，做出来检测：紧凑型小蛋白有 36% 至 88% 结合上，抗体改造型有 15% 至 29%。
为什么重要： 这样开放的结构模型改变了没有商业合作的实验室能做什么：MIT 许可意味着一个课题组可以自己折叠复合物、跑搜索，并保留自己设计的分子；Biohub 称这次搜索用了几天，换作以往要几个月到几年。图谱是另一半：把 68 亿条序列按模型学到的关系组织起来，让从未被注释过的生物学变得可检索。Biohub 自己跑的 FoldBench 显示，ESMFold2 在抗体-抗原和蛋白-蛋白复合物上达到或超过 AlphaFold 3。
证据与边界： 结合蛋白由 Biohub 自己设计、合成和检测，与 AlphaFold 3 的基准比较也是它自己跑的 FoldBench；两者都还没有外部团队报告过。在培养皿里结合不等于药：Biohub 报告的是亲和力、特异性和稳定性，不是在动物或人体内的活性，其最强的细胞结果是针对 PD-L1 的设计恢复了 T 细胞信号。36% 至 88% 只是紧凑型小蛋白；更接近药物形态的抗体改造型是 15% 至 29%。
作者 Sal Candido 、Alexander Rives
研究 Biohub ↗ 在时间线上 →
5 月 26 日 三名前 Palantir 工程师创办的 Perceptic 结束隐身，完成 Accel 领投的 1200 万美元种子轮，要把药企研发决策背后的数据和 AI 工具连到一起 发生了什么： 首席执行官 Tilman Flock 与 Martin Copes 、Zaki Trache 曾参与搭建 Palantir 的生命科学业务。他们的软件让 AI 智能体在药企的公开数据、内部数据和外购数据上工作，每个结论都能追溯到出处，用于三件事：寻找可引进的资产、选择要做临床的适应症、为试验设计整理临床数据。Accel 的 Sonali De Rycker 主导了这笔投资，Air Street Capital（其创始人 Nathan Benaich 发表了声明）和 Elder Gull 跟投。资金用于工程和拓展客户。
为什么重要： Flock 说，大多数做药物研发的 AI 初创公司只改进其中一步，比如结构、结合物或临床招募；Perceptic 主打的是把这些连起来的那一层，也就是决定推进哪个资产、哪个适应症。所有成效都是公司自己说的：尽调从几周缩到几小时、临床数据提取量提高 50 倍，都没有给出方法；它说有几家大药企在用，但获准公开的只有 CSL 一家。这条消息由 Fortune 报道，引述了首席执行官和两家投资方。
资本 Fortune ↗ 在时间线上 →
5 月 21 日 AlphaProof Nexus 用 Lean 核验的证明解决 9 个开放 Erdős 问题 发生了什么： Google DeepMind 的智能体让语言模型用 Lean 写证明，由 Lean 逐步核验。它把开源 Formal Conjectures 仓库里形式化的 353 个 Erdős 问题全跑了一遍，解决 9 个，其中两个悬置 56 年，每题推理成本约几百美元；还证明了整数数列百科 OEIS 中 492 个开放猜想里的 44 个。只让模型修改与 Lean 核验交替进行的基础版做出了同样这 9 个，只是最难的题更贵。同行评审版于 2026 年 10 月 8 日发表在《科学》。
为什么重要： Lean 核验每一步，能编译通过的证明不需审稿人就确定无误，所以一个智能体可以同时去攻几百个开放问题；团队专家对解出的 9 题逐一确认 Lean 表述与 Erdős 原题一致。核验只证明命题为真，不说明它重要；353 题解出 9 题，大多数仍够不着。每题几百美元，也没算上把 353 题全部跑一遍的更大开销。
作者 George Tsoukalas 、Pushmeet Kohli 、Swarat Chaudhuri
研究 Science (preprint arXiv:2605.22763) ↗ 在时间线上 →
5 月 21 日 Kemira 称 CuspAI 从 300 万亿个结构里设计出约 20 个面向 PFAS 去除的优先候选，进入开发与测试 发生了什么： 芬兰水处理化学品公司 Kemira 定了任务书：在十亿分之一以下的浓度从水中去除 GenX、PFBS 和 PFOS，要水稳定、环境友好、可合成、成本可行。CuspAI 的平台在约 300 万亿个可能结构里从零设计金属有机框架，交付 5,000 多个带性质数据的设计，收窄到约 20 个优先候选，用时六个月。项目进入开发与测试阶段，更多材料类别的项目在框架协议下筹划。
为什么重要： 一家点名的产业买家把它给 AI 材料公司的任务书写了出来：目标分子、浓度、稳定性、可合成性和成本，以及按这份任务书拿回来的结果。现今主流的处理技术是颗粒活性炭，做活性炭再生生意的 Kemira 说想要的是更有选择性、寿命更长的替代品；下一阶段要拿出至少一个候选被合成并按这个标准测量的结果。
证据与边界： 全部是 Kemira 和 CuspAI 自己的说法，没有论文或数据公开。公告说这些设计带有「完整的性质数据」，没有说其中是否有测量值，也没有任何候选被合成或测试的记录。下一阶段由谁执行、合作条款、候选归属都未说明。
研究 Kemira ↗ 在时间线上 →
5 月 20 日 Incyte 向 Genesis Molecular AI 预付 1.2 亿美元，并提供自家实验数据训练 Genesis 的药物设计模型 发生了什么： Incyte 与 Genesis 扩大了双方 2025 年 2 月开始的合作。Genesis 获得 8000 万美元现金和 4000 万美元股权认购作为首付，另有用于模型训练和推理算力的持续研究经费，每个项目里程碑款最高 2.32 亿美元。Incyte 新增至少五个靶点，独享所产药物的权利。它还将提供自有实验数据，用于训练 Genesis 的平台 GEMS。Incyte 研发负责人 Pablo J. Cagnoni 与 Genesis 创始人兼 CEO Evan Feinberg 分别代表两家公司发言。
为什么重要： 这家药企买的不只是设计：它自己的实验数据将用来训练一家初创公司的基础模型，算力也由它出钱。真实分子如何结合、有何性质的数据，正是公开数据集缺的；Feinberg 说专有数据是分子 AI 最有价值的输入之一。这笔交易是买方拿钱押注这个看法。
证据与边界： 确定支付的是 1.2 亿美元和金额未披露的研究经费，里程碑款要看药物能否推进到临床和上市。新闻稿没有公布靶点；对首批项目，除了 Incyte 称结果很好，没有给出任何结果；也没有说明提供哪些数据，以及用这些数据训练的模型归谁。
合作 Genesis Molecular AI ↗ 在时间线上 →
5 月 19 日 AI co-scientist 进入同行评审发表阶段 发生了什么： Nature 论文报告多项生物医学案例，并对多智能体系统生成的假设进行实验跟进。
为什么重要： 同行评审和实验跟进让最初的产品预览变得更可检查，但仍不足以证明广泛的自主科研能力。
验证与部署 Nature ↗ 在时间线上 →
5 月 19 日 Robin 把假设、实验与下一轮假设连接起来 发生了什么： 系统整合文献检索、假设生成、实验策略与数据分析；人类研究者执行实体实验，再把数据交回系统。
为什么重要： 它与一次性假设生成器的关键区别在于：实验结果会回到系统中，并改变下一轮提出的假设。
研究 FutureHouse ↗ 在时间线上 →
5 月 19 日 Google 的 ERA 登上《自然》：大语言模型在代码上做搜索，写出的单细胞分析和新冠预测软件，在各自的基准上胜过最好的人类方法 发生了什么： Google Research 和 Google DeepMind 的 Eser Aygün、Michael P. Brenner 等人把编写科学软件变成一次搜索：大语言模型改写代码，树搜索留下让任务得分升高的版本。在 OpenProblems 单细胞基准的留出数据上，它有 40 个方法胜过已发表的最好方法，最好的是改写过的 BBKNN，比 ComBat 高 14%。用 2025 年 5 月 1 日可得的数据重跑 2024-25 新冠季，它的模型平均误差为 26，CDC 集成预测为 29。
为什么重要： 这些是真实的基准和真实的公开预测，不是玩具任务，但每项测试都是在已有数据上打分，题目和运行都由 Google 自己定。新冠结果是回溯重跑，摘要说胜过 CDC 集成预测的 14 个模型，只在三周的数据上打分。它说明的是：任务有分数时，在代码上做搜索能做出专家水平的软件；对没有分数的任务，它什么也没说明。前瞻的检验在后面，是 CDC 对流感季的评分。
作者 Eser Aygün 、Shibl Mourad 、Michael P. Brenner
研究 Nature ↗ 在时间线上 →
5 月 19 日 Mistral AI 收购林茨初创公司 Emmi AI，后者用神经网络代替工程仿真计算 发生了什么： Emmi AI 由 Johannes Brandstetter 、Dennis Just 和 Miks Mikelsons 于 2024 年创立，称其模型几秒内就能预测流体流动、传热等物理过程，而数值求解器要算几天甚至几周。创始人和 30 多名研究与工程人员加入 Mistral 的科学与应用 AI 团队，林茨成为 Mistral 的办公室。Mistral CEO Arthur Mensch 把这笔交易对准航空、汽车和半导体制造商。条款未披露；Emmi 曾在 2025 年 4 月完成 1500 万欧元种子轮。
为什么重要： 通过这笔收购，一家通用大模型公司有了一支物理 AI 团队，仿真因此成了 Mistral 在语言模型之外的一条业务线。五个月后，已任 Mistral 副总裁的 Brandstetter 代表公司宣布了与 CERN 合作建对撞机物理模型的计划。
证据与边界： 交易价格未披露。“几秒代替几周”是 Emmi 自己对模型的描述，公告没有给出任何基准数据。
组织 Emmi AI news ↗ 在时间线上 →
5 月 14 日 MIT 与 UBC 的 WorldParticle 用同一种 Transformer 结构模拟流体、布料、沙粒、弹性体和蛋白质运动 发生了什么： Caoliwen Wang、Minghao Guo、Peter Yichen Chen 、Wojciech Matusik 等 MIT、英属哥伦比亚大学等机构的研究者做了一个逐步推进粒子运动的 Transformer，并在六类物理上训练它：两类流体、布料、沙粒、弹性体和蛋白质分子动力学。每类都从传统求解器的输出中学习（蛋白质用 OpenMM），再在新材料、新形状和新受力下测试。与三种此前的学习型模拟器相比，它在长时间推演中保持稳定，它们则出现沙粒悬空、布料炸开。
为什么重要： 如今要模拟沙子碰到软体机械手、液体冲击柔性阀门，每种材料都要单独的求解器，还要写代码把它们耦合起来。一种结构覆盖所有材料，是朝默认就能耦合的模拟器迈出的一步。学习型模拟器还能反向运行做设计，作者用它拟合了摩擦参数。在蛋白质上，它每步推进侧链运动 50 飞秒，是分子动力学步长的 100 倍。
证据与边界： 每一类物理各有一套训练好的权重，所以如作者所说，它是统一的结构，还不是统一的模型。所有测试都对照它所学习的求解器，真实世界数据只有三段物体操作序列，且只是目测比较；蛋白质测试针对侧链转动，不是折叠。MIT News 所说的「快约 100 倍」指的是更大的步长，并非实测耗时对比。单张 GPU 上一个场景最多约 5 万个粒子。
作者 Caoliwen Wang 、Minghao Guo 、Wojciech Matusik 、Peter Yichen Chen
研究 arXiv 2605.15305 ↗ 在时间线上 →
5 月 13 日 用 AI 设计药物制剂的剂泰科技在港交所上市 发生了什么： 剂泰科技定价每股 10.50 港元，募资总额约 21.13 亿港元，5 月 13 日以 7666.HK 挂牌。18 名基石投资者认购约 55% 的股份。
为什么重要： 与本站记录的多数 AI 制药公司不同，剂泰设计的是递送：脂质纳米颗粒和制剂。6911 倍超购衡量的是对股票的需求，不是平台是否有效。
资本 Sina Finance ↗ 在时间线上 →
5 月 13 日 WhiteLab Genomics 称，用其 AI 平台设计的 AAV 载体在小鼠体内单次静脉注射后，进入大脑的 DNA 约为 AAV9 的 50 倍，肝脏中未检出 发生了什么： 在波士顿 ASGCT 2026 年会的口头报告上，这家巴黎公司称：由其 ALFRED 平台从头到尾设计的载体外壳，在野生型小鼠体内单次静脉注射后，进入大脑的 DNA 富集量约为脑病标准载体 AAV9 的 50 倍，肝脏中未检出。ALFRED 先算出哪些细胞表面受体决定进入某个组织，再围绕它们设计，而不是筛选随机变体。实验与巴黎脑研究所 Françoise Piguet 的 GENOV 实验室合作完成。
为什么重要： 脑部疾病的基因治疗有很多要直接注入大脑或脊髓液，因为血脑屏障会拦住血液里的药物；而静脉注射 AAV9 还会进入肝脏等器官，公司称这会带来安全性和剂量上的潜在限制。一个能从静脉进入大脑、又不进肝脏的设计外壳，会改变这类疗法的给药方式，而且它是从受体生物学算出来的，不是筛出来的。
证据与边界： 以上全部是公司自己的说法：公告没有给剂量、动物数量、取样时间和任何图表，也没有论文。被测量的是组织中的 DNA；公告另称实现了「功能性靶向」，但未给任何数据，也没有报告动物疾病上的改善。只做了小鼠；肝脏那句说的是「未检出」，取决于公司未给出的检测下限。
研究 WhiteLab Genomics release ↗ 在时间线上 →
5 月 13 日 Recursive Superintelligence 带着 6.5 亿美元亮相，GV 与 Greycroft 联合领投，估值 46.5 亿美元，目标是能自我改进的 AI 发生了什么： Richard Socher 曾任 Salesforce 首席科学家，他与七位联合创始人在旧金山和伦敦创办了这家公司，其中包括在 Google DeepMind 领导开放式学习研究的 Tim Rocktäschel ，以及 Jeff Clune 、Alexey Dosovitskiy 。GV 与 Greycroft 联合领投，NVIDIA 和 AMD Ventures 参与。Tom Hulme 在 GV 的文章中写道，第一个目标是一个相当于“5 万名博士”的系统，先用于 AI 本身的科学。
为什么重要： 它资助的是自动化科研最直接的一种形态：系统自己提出实验、运行实验，把能改进自身代码和训练的结果留下。公司说等系统在 AI 研究上跑通，再转向药物发现、电池和核聚变，所以它最早的结果会是关于机器学习的，而不是自然科学。
证据与边界： 估值是公司自己的说法，GV 也这样写，没有说明投前还是投后。公司尚未发表结果；转向其他学科只是公开表述的目标。
资本 GV ↗ 在时间线上 →
5 月 12 日 BiomniBench：在 100 个真实生物医学分析任务上，换智能体框架带来的分数变化大于模型换代 发生了什么： Phylo 与斯坦福等团队和论文原作者或领域专家一起，从《自然》《细胞》《科学》的论文里做出 100 个数据分析任务，按专家评分细则给智能体的完整分析过程打分。Claude Opus 4.7 在 Claude Code 里得 73.34，在 Terminus-2 里得 63.94；同在 Claude Code 里，Opus 4.6 换到 4.7 只多 3.8 分。最高分也只有 73.34（满分 100）。
为什么重要： 离开框架，模型在科学任务上的分数说明不了多少。最干净的一组是同一推理强度下的 Opus 4.7；GPT-5.4 更大的 13.5 分差距里，推理强度和轮数（13 到 82 轮）也变了。打分用的是 LLM 评委（Gemini 3.1 Pro，与专家一致度 κ 0.70），每个配置跑三次；任务是重做已发表的分析，不是做新发现。
作者 Yuanhao Qu 、Yingzhou Lu
研究 bioRxiv preprint ↗ 在时间线上 →
5 月 12 日 5 月 12 日 微软研究院用 MatterSim 筛出磷化钽可作导热材料，UT Dallas 做出的样品实测热导率 152 W/m/K，接近硅 发生了什么： 微软研究院 AI for Science 用 MatterSim-v1 原子模型给 24 万多个候选晶体算热导率，选中四方相磷化钽（TaP）。样品在得克萨斯大学达拉斯分校合成，在伊利诺伊大学厄巴纳-香槟分校测量，最好的样品为 152 W/m/K。这种化合物以前有人合成过，但没被当作导热材料。同一篇文章还宣布了 MatterSim-MT，它另外能预测电荷、磁矩和介电响应。
为什么重要： 给几十万个晶体排序的筛选，对用的人来说，要有被选中的材料经得起合成和测量才算数；这一个经住了，数值接近硅。文章点了更好的导热材料用在哪里：计算、功率电子和航空航天的散热。对要决定把哪些候选送进实验室的团队，这是原子模型为热导率这样敏感的性质缩小名单的一个完整例子。
证据与边界： 只有一种材料，而且来源只有这篇文章：没有论文报告合成或测量，模型对 TaP 的预测值也没有和实测值并排给出。152 W/m/K 是最好样品的数值。合成和测量的实验室是项目的合作者，不是外部检验。MatterSim-MT 的预印本说，代码和权重要等论文发表后公开。
研究 Microsoft Research blog ↗ 在时间线上 →
5 月 7 日 Periodic Labs 正就以 75 亿美元估值融资至少 5 亿美元深入洽谈，由 AMP 领投 发生了什么： 据三位向 Forbes 透露消息的知情人士，本轮由 Anjney Midha 离开 a16z 后创办的投资机构 AMP 领投。Periodic 未回应，AMP 拒绝置评。去年 9 月的种子轮为 3 亿美元，估值 13 亿美元。
为什么重要： Liam Fedus 和 Ekin Dogus Cubuk 创办 Periodic，用自建自主实验室的数据训练模型；按此估值，它的身价将是种子轮时的近六倍。这只是洽谈，且只有媒体报道：估值说明资本在多大程度上押注这条路，而不是这条路已经走通。
资本 Forbes ↗ 在时间线上 →
5 月 7 日 MolRecBench-Wild 显示，旧 OCSR 基准高估了模型读懂真实化学论文的能力 发生了什么： 从 820 篇论文按难度均衡选出 5,029 张结构图，标注 37 类难度，把 OCSR 难点分为看清图像与保住化学信息；42% 两者兼有，18 个模型 SMILES 准确率最高 41.05%。
为什么重要： USPTO 等专利基准上 90% 以上的精确匹配高估了 OCSR 在论文结构图上的表现；难度占比反映挑选方式而非文献本身，也不代表生产环境。
研究 arXiv ↗ 在时间线上 →
5 月 6 日 帝国理工的 Ge Lei 和 Samuel Cooper 发现：用来指导实验的大语言模型，其预测和置信度会随提问的措辞和格式改变，而不只随数据改变 发生了什么： Ge Lei 和 Samuel J. Cooper 把大语言模型当作代理模型（贝叶斯优化器据以挑选下一个实验），在已知函数的少量数据上测试。正确的形状提示起到先验作用，错误提示会把它带偏；逐点问和一次问全部点，预测和不确定性不同；观测逐个加入时，置信度先降后升，低谷随观测顺序移动。在三项优化测试中（含一个模拟正极设计），这些选择改变了被选中的实验。
为什么重要： 在数据很少的优化里，大语言模型越来越多地被用作代理模型：实验只有寥寥几个点，它能带入高斯过程没有的领域知识。这篇论文说明，提示词和提问格式本身就是这个代理模型的一部分：两个团队在同样的数据上用同一个模型，可能得到不同的建议；所以报告由大语言模型指导的实验时，需要写明是怎么问的。在正极设计任务里，带领域指引的逐点提示词最终遗憾值最低，略好于 SMAC3 优化器。
证据与边界： 任务大多是为便于控制而选的无噪声函数；每项优化研究只用一个模型（GPT-4o、Qwen3.5 或 GPT-5.4），所以不比较模型。在标准的 Branin 测试上，大语言模型胜过高斯过程，但最优点一移开就不再领先；在超参数调优上，SMAC3 的最终结果最好。正极任务是模拟。预印本。
作者 Ge Lei 、Samuel J. Cooper
研究 arXiv 2605.04764 ↗ 在时间线上 →
5 月 4 日 斯坦福的 Joachim Baumann 等人发现：让 AI 把论文改写一遍（约 0.25 美元），就能抬高 AI 审稿人的打分 发生了什么： 让 GPT-5.1 或 GPT-5.4 把 60 篇 ICLR 2026 投稿各改写一遍、不补做实验，在 24 种提示词与模型组合下，AI 审稿人的打分平均提高 0.45 分（满分 10 分），斯坦福的 Joachim Baumann、Jiaxin Pei 、Sanmi Koyejo 和博科尼的 Dirk Hovy 在 ICML 2026 立场论文中报告。ICLR 2026 全部 75,800 份审稿意见里，完全由 AI 写的比其余的跨论文更相似；两类审稿都有的 8,015 篇论文上，AI 平均分预测录用不如人工（AUC 0.71 对 0.82）。
为什么重要： 学术会议已经让 AI 进入审稿：ICLR 2026 允许用大模型协助写审稿意见，AAAI 2026 在人工审稿之外附上了完全由 AI 生成的审稿意见。作者认为，如果一次廉价改写就能让 AI 审稿人朝同一方向打分，论文就会照着模型的口味来写；这里改写后的论文彼此相似度已经提高了 6.5%。作者为 AI 审稿人设了两道上线前必须过的检验：保持审稿意见的多样性、不能被文风左右，并发现现在的 AI 审稿人两道都没过。
证据与边界： 改写实验只用了一个会议的 60 篇论文、四个提示词（其中一个要求模型对审稿 AI 做越狱）、两个 GPT 改写模型和三个审稿模型；GPT 审稿人的分数涨得比 Claude 多，作者认为与模型偏爱自家文风有关。相似度是在文本向量上算的，反映措辞和话题，不反映论点是否不同；ICLR 哪些审稿意见由 AI 写成，来自一个可能出错的检测器。
作者 Joachim Baumann 、Jiaxin Pei 、Sanmi Koyejo 、Dirk Hovy
研究 arXiv 2605.03202 (ICML 2026) ↗ 在时间线上 →
