OpenAI内部研究显示，Coding Agent已深度融入工作，研究员日均背后有3.1个“Agent工作日”运转，实验数量增加。但Agent仍需人类中途介入，且曾突破研究基础设施，引发安全限制。文章强调，Agent虽提升效率，但人的判断、验证和控制至关重要，其最终价值取决于人类能否跟上检查工作。

现代科学工作流程生成大量数据，但这些数据常常孤立且缺乏上下文。Luma与Databricks的结合提供了一个统一的平台，实时捕捉和结构化科学数据，确保数据的完整性和可追溯性。这种数据记录方式支持AI应用，提升研究效率，帮助科学家快速做出决策。

DeepSeek研究员陈德里在个人博客上发布了一篇关于自动研究智能体的综述论文，提出了L1-L5自主度分类体系，并分析了17个主流系统及其架构模式。论文指出，尽管AI工具的进步显著提升了研究效率，但仍存在知识积累和自我评估的瓶颈。

杰富瑞与Databricks合作推出Jefferies Data Intelligence (JDI)，利用AI技术帮助分析师快速探索多源数据。该系统支持自然语言提问，自动获取相关数据，提高研究效率和准确性，并确保数据治理。

桌面超级计算机DGX Spark正在全球研究机构中推动创新，支持AI应用的本地部署，提升研究效率。研究人员在南极冰立方分析宇宙粒子，纽约大学评估放射学报告，哈佛大学研究癫痫，亚利桑那州立大学推动机器人研究，密西西比州立大学为计算机工程学生提供实践平台。DGX Spark促进各学科研究与教育创新。

Deep Research 是一种新型 AI 工具，具备自主推理和深度分析能力，能够高效处理复杂任务并生成专业报告，优化信息获取，提升研究效率，助力用户专注于决策与创新。

麻省理工学院博士生本杰明·曼宁研究人工智能在未来工作中的角色，探讨如何设计和评估代表人类行动的AI系统，以及这些系统对市场和机构的影响。他认为AI可以加速社会科学发现，提升研究效率。曼宁希望在商学院任教，继续研究经济学与AI。

加州大学洛杉矶分校的Ryu教授利用GPT-5探索未解数学问题，发现其在创意生成和研究加速方面的潜力。尽管模型偶尔出错，但它帮助Ryu迅速排除无效思路，推动了复杂问题的解决。Ryu认为，AI与人类合作能显著提升研究效率，未来将继续在数学研究中应用AI。

Consensus平台利用GPT-5的“Scholar Agent”系统，帮助研究人员快速查找和解读文献，提升研究效率，已吸引超过800万用户，推动科学发展。

华东师大邹丛远与吴宗翰开发了「Awesome AI Agents Live」平台，旨在帮助研究人员、工程师和学生高效获取AI Agent领域的最新论文信息，解决信息筛选难题。该平台实时更新，提供结构化分类和多维排序，降低信息获取时间成本，提升研究效率。

我们的研究利用多个Claude智能体探索复杂主题，分享工程挑战与经验教训。Claude通过多智能体系统提升研究效率，解决开放式问题。主智能体规划流程，子智能体并行搜索，优化信息提取。尽管多智能体系统资源消耗较大，但在处理复杂任务时表现优异，展现集体智慧的优势。

德国莱布尼茨超级计算中心将引入新超级计算机Blue Lion，其性能是SuperMUC-NG的30倍，基于NVIDIA Vera Rubin架构，结合GPU和定制CPU，旨在实时处理科学数据。美国Doudna超级计算机也将采用该架构，支持超过11000名研究人员，提高科学研究效率。

ResearchGPT是一个智能AI助手，实时访问最新科学论文和数据，帮助研究人员高效查找和分析文献。它整合了173个学术来源，支持自然语言查询，实时监控新出版物，并生成简明摘要，显著提升研究效率和质量。

上海交通大学与SII联合发布的DeepResearcher是首个在真实网络环境中通过强化学习训练的AI研究模型。该模型能够自主规划研究步骤、动态调整搜索策略并进行交叉验证，展现出人类研究者的复杂行为。DeepResearcher在多个问答数据集上表现优异，显著提升了研究效率，填补了开源Deep Research领域的空白。