AI 可拓宽科学——但前提是机构停止奖励已可衡量的成果
Nature 评论指出，AI 使学者论文产出约为同行 3 倍、引用近 5 倍，但 AI 辅助研究覆盖的主题范围比非 AI 研究少 4.6%，70% 以上子领域均如此。问题不在技术，而在制度：现有激励让研究者集中于机构易评估的问题，而非开辟新方向。文中建议资助方补贴数据基础设施建设，并停止惩罚利用 AI 跨领域转型的研究者。
推荐理由：AI 提升个体产出却收窄探索范围，制度激励不匹配是根因，呼吁资助方补贴数据基础设施并停止惩罚跨领域转型。
v1.3.09月30日 · 周三
精选
最新精选
Nature · Machine Learning精选AI 评分6262
Berkeley AI Research精选AI 评分6060 Intelligence is Free, Now What? Data Systems for, of, and by Agents
Berkeley EAIR 发表观点文章，探讨当推理成本接近零时数据系统面临的三重挑战：Data Systems For Agents（为智能体推测性查询重新设计，如共享扫描与近似答案）、Data Systems Of Agents（为多智能体集群提供结构化记忆与协调子层）、Data Systems By Agents（由智能体从零合成定制数据系统并验证正确性）。
推荐理由：原文从推理成本骤降切入，提出数据系统需为智能体重塑的三重挑战，为理解Agent与数据基础设施的共演化提供了一个可迁移的分析框架。
Lilian Weng精选AI 评分7777 Harness Engineering for Self-Improvement
Lilian Weng 梳理了 harness 工程如何支撑递归自改进（RSI），将 harness 定义为围绕基础模型的运行时系统，负责编排执行、工具调用、上下文管理、状态持久化与结果评估。
推荐理由：原文系统梳理了 harness 工程的设计模式与优化路径，读者可借此理解自改进循环中非模型层的角色与边界。
已经到底了