切问学术推出的AI工具“龙虾”OpenClaw，能够自动复现论文，简化科研流程。用户只需上传PDF，AI会评估实验复杂度、自动部署环境、修复Bug，并提供研究改进建议，使科研人员更专注于创新。

中国人民大学高瓴人工智能学院与英博数科签署合作协议，推动人工智能教育与科研发展，增强高校智能算力基础设施，促进教育、科研与产业融合，提升人才培养和科研能力。

2026年研究表明，AI已从科研工具转变为自主发现者，能够独立进行选题、实验设计、数据分析和论文撰写。尽管AI能力强大，人机协作仍是最佳模式，未来科学将由此主导。AI的优势在于高效处理数据和持续工作，推动科学探索的民主化。

大模型的发展凸显了推理数据的重要性，优质推理数据集支持复杂推理任务。HyperAI整理了多领域推理数据集，降低了使用门槛，促进科研与模型训练。

郭达雅是DeepSeek的核心工程师，以其卓越的科研和竞赛成绩受到关注。他在多项比赛中获奖，并参与多个重要模型的研发。此外，他还参加过综艺节目，展示了编程能力。离职后，他的去向引发热议。

AutoKernel是一个自动化工具，旨在优化PyTorch模型的GPU性能。它通过分析瓶颈、提取内核并自动修改代码，显著提高实验效率，减轻开发者负担。该工具结合了Karpathy的autoresearch理念，实现了持续的性能提升，展示了智能体在科研中的潜力。

数学家陶哲轩创立SAIR基金会，旨在促进AI与科学的结合，推动科研普惠化。他强调AI在科研中的可信度和可解释性，倡导跨学科合作，培养年轻科学家。AI将改变科研模式，但基础训练仍然重要。

卡帕西推出开源项目autoresearch，旨在让AI自主进行科研。该框架仅630行代码，支持单GPU运行，每5分钟进行一次实验，AI根据结果自我调整。未来目标是模拟整个博士社群，实现大规模分布式研究。

UniScientist是一个开源的30B参数AI模型，能够实现科研闭环，包括提出假设、收集证据和验证。通过动态系统建模和人类专家的验证，该模型提升了科研效率，超越了许多大型闭源模型，旨在将科研问题转化为可验证的单元测试，推动科学发现。

2026年，企业家Iban Borras与四个AI模型合作进行科学研究，首次将AI列为共同作者，推动科学发现，标志着人类与AI的研究合作新时代的到来。

芬兰和意大利的研究团队开发了基于图神经网络的SeaCast模型，能够快速进行高分辨率海洋预报，显著提高计算效率和预报准确性，优于传统的MedFS模型。该模型通过历史数据训练，满足区域海洋预报需求，推动了人工智能在海洋预报中的应用。

AI Shortlist 是关于人工智能的简要介绍，涵盖其应用、发展及未来趋势。

本文介绍了获取Vibe Coding相关AI算力的多种方案，包括PackyCode API、OhMyGPT多模型聚合平台、Codex拼车方案及国产模型，适合不同需求的科研工作者，并支持发票报销。