AI in Education and Research

AI tutors, classroom tools, research assistants, AI for science and knowledge discovery. · 1371 items
For teachers, students and researchers following AI tutors, research workflows, AI for science and knowledge discovery.
Nov 19
Nov 18
ProductsBuildersMulti-source78°21:14
Chinese content豆包工作上线 3 个月 DAU 突破 800 万,ARR 超 20 亿元

豆包这个面向办公场景的产品三个月做到 800 万日活和 20 亿元 ARR,还能自由切换 Kimi、DeepSeek 这些第三方模型。做企业服务或智能体产品的人都该看看它的计费和模型组合思路,对比飞书、钉钉的 AI 功能很有参考价值。

Event
IT之家Source
ProductsUS vs ChinaMulti-source17:02
Chinese content腾讯 WorkBuddy 日活跃用户超 1000 万,日均 Token 调用量超 100 万亿

腾讯财报给了几个实打实的数字:WorkBuddy 日活破 1000 万、日均 Token 超 100 万亿,Hy4 flash 首日就调了 50 万亿次还登上 OpenRouter 榜首。做应用或选模型 API 的开发者可以看看这套 C 端带 B 端的打法,和豆包、DeepSeek 的路线不太一样。

Event
IT之家Source
Chinese contentMOSAIC:多模态流匹配模型实现分子结构与光谱任意互转

一篇面向科学生成建模的论文:MOSAIC 用随机掩码让分子结构和 UV/IR/Raman 光谱互为条件与目标,一个模型跑通 any-to-any 生成,QM9S 上结构恢复率 88.8%,比最强基线高 23.2%。做分子设计、光谱预测或数据稀缺场景生成建模的研究者值得看它的掩码训练思路。

arXiv cs.LG@Thorben Prein et al. (4)Source
Chinese contentBernBRS:面向 DeepBern-Nets 的认证式后向可达集分析框架

做神经网络形式化验证的人可以看看这篇。它利用 Bernstein 多项式激活的数学性质做后向可达集分析,连 Half-Cheetah 控制器和 TinyBERT 蒸馏网络这种高维模型都能验证,而现有认证方法在这类规模上基本跑不动。

arXiv cs.LG@Ibrahim Albool, Yasser ShoukrySource
Tomorrow 08:00, the daily lands in your inboxTelegram channel or email. Same screening as this page, no ads.
Chinese content微软发布 MAI Code 2 编程模型:单次任务成本仅为 Claude Opus 5.5 约 5%

微软这次把编程模型的价格打下来了:Code 2 单次任务只要 $0.309,只有 Claude Opus 5.5 的 5%,Flash 还在 DeepSWE 1.1 等三项基准上超过了 GPT-6 Luna 和 Claude Haiku 5.5。已经在用 GitHub Copilot 的开发者和想压算力账单的企业可以直接试,按任务难度分流两个模型就行。

IT之家Source
Chinese contentLangChain Academy 视频解答:Agent 与 Deep Agent、Managed Deep Agent 的区别

LangChain 团队亲自出镜讲清楚 Agent、Deep Agent 和 Managed Deep Agent 三个概念的差别,这是 Interrupt 工作坊里被问最多的问题。正在用 LangGraph 搭智能体的开发者可以直接对照自己的架构做选型,还能顺带向官方提交下一个想问的问题。

Official accountLangChain@LangChainAISource
Chinese contentGenesis AI 完成 5 亿美元 A 轮融资,估值 35 亿美元做灵巧手机器人

一家刚拿 5 亿美元融资的公司,思路挺特别:先造一只能贴近人手的机械手。你戴个传感器手套干一遍活,它就能学会,连按多用力都记下来。做制造业自动化的朋友可以看看,和 Figure 那些整机人形机器人走的不是一条路。

TestingCatalog@testingcatalogSource
ModelsUS vs ChinaMulti-source79°05:07
Chinese contentGPT-6.2 Astra 登顶 AA-3D 基准,3D 场景构建能力居首

OpenAI 的 GPT-6.2 Astra 在 AA-3D 上拿了第一,152 次人评对比里赢了 139 次,专测模型做可交互 3D 场景的能力。做 WebGL、游戏原型或网页 3D 内容的开发者可以看看各模型的差距在哪。

Event
Official accountArtificial Analysis@ArtificialAnlysSource
ProductsBuildersMulti-source03:11
Chinese contentGemini 4 Hydrogen 配套机器人插件上线:对话式教机器人新任务

Google 把 Antigravity 从写代码的智能体平台扩展到了机器人:接上机械臂,先在 MuJoCo 里仿真练习,再到真机上跑,全程靠对话完成。做具身智能或机器人开发的人可以直接试试这套流程,和以往写 RL 训练脚本的方式相比上手成本低不少。

Event
Official accountGoogle DeepMind@GoogleDeepMindSource
ModelsUS vs ChinaMulti-source91°02:41
Chinese contentOpenAI 发布 GPT-6.2 Astra 和 Sol:Plus 订阅直接可用,Astra API 降价 20%

每月 20 美元的 Plus 就能用上 OpenAI 旗舰模型,Claude Fable 5.2 和 Gemini 4 Carbon 都要更贵的套餐,这是三家里门槛最低的。Astra 干活花的 Token 只有对手的零头,API 还降了 20%,做幻灯片能照截图复刻排版。写代码的可以试试 Sol,分数接近旗舰但花费只有五分之一。

Event
宝玉@doteySource
Chinese content材料科学智能体 MatOS 正式开源,覆盖筛材料、找配方、训练模型等科研任务

搞材料科研的可以看看这个:MatOS 把筛材料、找配方、训练模型这些活儿打包成一套开源智能体框架,代码全开放。比起自己写脚本跑单点任务,它能直接编排整条工作流,做二次开发也方便。

量子位@思邈Source
ModelsBuildersMulti-source74°00:15
Chinese contentQwen4-Max 发布:以智能体能力打通科研全流程

阿里这次发的 Qwen4-Max 不拼跑分,直接给了冷却剂发现和药物分子优化两个真实实验室案例,能自己串起仿真和实验步骤。做材料、制药研发的团队可以直接去 Model Studio 调 API 试试。

Event
Official account阿里云 Alibaba Cloud@alibaba_cloudSource
Chinese content阿里云在越南办 Wan3.0 工作坊,用 AI 视频致敬教师节

阿里云在越南办了一场 Wan3.0 实操工作坊,教你怎么从提示词做到成片,还能现场产出一部 1.5–2 分钟的短片评选。想做 AI 视频又没摸过完整流程的创作者,这正好是个入门样本,也顺带能看到中国视频模型怎么在东南亚做本地化推广。

Official account阿里云 Alibaba Cloud@alibaba_cloudSource
Nov 17
IndustryPolicyOfficial22:11
Chinese contentOpenAI 与智利政府达成合作,推动公共部门 AI 应用

OpenAI 这次和智利政府官方签约了,重点在培训公务员用 AI 和扶持本地创业公司。跟 Google、Meta 在拉美的布局不同,这种政府级合作会给当地开发者带来政策便利。关注拉美 AI 市场或想出海东南亚以外新兴市场的人可以看看。

Event
Primary sourceOpenAI BlogSource
Papers17:09
Chinese content研究测试 75 道“防 AI”大学考题,最强 LLM 仍答对约 83%

37 位大学老师拿出了他们自信防得住 AI 的考题,结果最好的模型还是答对 83%。文章把老师们的出题套路总结成五种策略并逐一验证效果,想改考试设计的大学老师和学生都该看看,比一般空谈学术诚信的论文实在得多。

arXiv cs.AI@Bonam Mingole et al. (5)Source
Chinese contentSafe AD 安全上下文强化学习改进:双阶段教师蒸馏与 A-Lag 测试时成本调整

Safe AD 之前在五个安全 RL 基准上表现很差,这篇论文用两阶段预算感知教师加 A-Lag 测试时调整,把五个环境的成本全降下来了,回报在四个环境还更高。做安全强化学习或上下文学习的人值得对照原文看实验细节。

arXiv cs.AI@Minjae Kwon et al. (4)Source
Chinese content精确验证器下的小模型学习:可算出正确但不泛化

这篇论文做了件少见的事:给解释任务装上零误差验证器,看小模型到底学到了什么。结果反直觉——4B 模型在训练策略上 92% 精确,但换 3 个新策略就只剩 48% 最小性,RL 还把策略练反了。做可解释性或微调的人都该看看这组对照数据。

arXiv cs.LG@Arunkumar V et al. (5)Source