科学发现

研究团队提出ReasFlow系统，通过基于知识的智能体协作，辅助完成以推理为核心的科学发现任务，尤其在需要严谨证明的数学领域实现自动化研究。

研究者提出名为Mycelium的主动共享工作空间系统，旨在连接不同领域的研究人员与AI智能体，通过自动捕获和路由关键观察与假设，促进跨学科的科学发现与团队协作。

研究团队提出假设演化协议（HEP），为大型语言模型智能体提供可审计的假设生成、评估与演化框架，推动AI驱动的科学发现过程透明化。

研究者提出基于NASA地球观测知识图谱的三智能体大模型管道，能够自动生成结构化科研假设，在1475个数据集上产出160个跨领域假设。

研究人员提出Graph-PRefLexOR模型，利用图原生强化学习方法，在材料科学等领域实现可追溯的多步骤推理与假设生成，显著提升推理透明度与语义多样性。

本文指出，即使技术加速回报真实存在，也无法解决科学发现的核心难题——真正的突破往往依赖定性推理能力，而非单纯的计算加速。近期ARC-AGI-3基准测试显示，人类与前沿AI系统在灵活推理上仍存在巨大差距。

谷歌在 I/O 2026 大会上宣布其研究将迈入通用科学的新时代，致力于通过人工智能技术推动跨学科的科学发现与创新。

Google DeepMind预告其2026年I/O大会将聚焦AI驱动的科学发现，标志着研究重心转向利用人工智能解决基础科学难题。

Google DeepMind发布一系列基于Gemini模型的科学工具与实验，旨在通过人工智能技术，大幅提升科学探索的规模与精度，推动科研进入新阶段。