科研论文体系不是正在崩溃。 它已经崩溃了。只是大家不能承认。 因为太多人的博士学位、工作、基金、身份和过去十几年的人生，都建立在这个游戏还有效的前提上。 以前制造一篇垃圾论文至少还需要人写。现在写作、代码、实验、图表、review都可以批量生成。论文生产能力可能正在以十倍百倍增加，但真正有能力认真判断一项研究的人并没有增加。

科研出来的一个动作提示词，给群里的好兄弟们测试玩玩，结果他们都说出出不出来，还有肢体混乱的问题。 其实吧这个主要还是GPT本身的能力问题 首先是色情违规问题，这无可厚非，抽卡就能解决的事情 然后二是这个动作涉及的肢体和空间的关系，很容易导致肢体残缺的失败或者服装的叠加和手臂的包裹，大概成功率只有10%左右 如果是在lovart上的sd 5.0 Pro的话成功率蛮高的，但是在即梦上的话就几乎成功不了 其实出现问题主要还是文生图的原因，若果想要简单话控制，那就采用线稿动作参考吧，几乎不会失败。 但是我研究的就是文生图，我始终觉得文字去表达让模型扩散才会有更多的可能，在不考虑成本效益的情况下，发挥创造力和随机感也是很有趣的一件事。

科研最重要的是博士研究生培养。本届菲尔兹数学奖四个获奖者，两个是普林斯顿的博士，普林斯顿是最大的赢家。另两个是麻省理工学院和斯坦福的博士。美国数学重镇还有哈佛、伯克利、芝加哥大学。美国顶尖数学家基本上就这几所大学培养的，普林斯顿遥遥领先，已有9个普林斯顿数学博士获得菲尔兹奖。

科研 Agent 真正进入实验室，最缺的可能是一套能把论文、代码、数据和研究决策串起来的工作台。 上海人工智能实验室这篇论文提出 SciForge，一个面向科研流程的 AI 原生环境。 它会把论文、数据、代码、模型参数和人工决策连接到同一张 Evidence DAG 上，让研究过程能够持续保存，也方便后续追踪和复查。 研究者主要负责判断和审批，文献搜索、数据分析、绘图、实验执行和写作则交给后台 Agent 与工作流。 论文展示了基因发现、蛋白质设计、分子优化和论文复现等 8 个案例，其中一个长期任务经历了 132 个阶段，留下 199 次以上 Git 提交。 这项工作把科研 Agent 从单次任务工具，推进成了一个能够维护长期研究现场的系统。 科研自动化越深入，证据链和可复查性就越重要。 真正进入科研流程的 Agent，需要把做过什么、结论从哪里来，一起留下来。 📎 arxiv:

大学科研普遍落后于企业，这个是很正常的事情。大学的科研，而且普遍没有实质性用途。科研成果转化率极低。这也是普遍的现象。 但是在人工智能时代，最可怕的事情发生了。就是在人工智能这个行业，大学科研被彻底的边缘化。无论是教师的前沿知识，还是算力软硬件，高校完全和企业不是在一个量级。 在这种情况下，更多的可能是采用，高中毕业就进去天才人工智能班的模式，直接到企业，到一线，到团队。而不是传统的高校培养模式，先本科再研究生，再博士。传统的培养模式加在一起十几年。 人工智能早就不知道已经迭代了几次了。人工智能的核心是算力， 对于人类算力的核心是创造力和智力，这些往往在30岁以下才是人类的巅峰，超过30岁以上，创造力和计算能力都大幅下降。因此，人工智能的天才，尽量在16岁到30岁之间就能脱颖而出，大学的传统培养模式已经完全跟不上时代

Codex 科研必备 Skills 1. Scientific Agent Skills | 31.7k⭐ 科研 Skills 百宝箱，包含大量科学数据库、计算分析、科研写作和可视化工具。 比较适合生物信息、化学、材料、医学和科学计算等方向。 2. Nature Skills | 31.1k⭐ 最近中文科研圈讨论度比较高的一套，覆盖文献检索、论文阅读、写作润色、科研绘图、统计检查、模拟审稿、投稿返修和实验日志。 需要说明的是，它是社区开源项目，并不是Nature 期刊官方推出的工具。 3. ARIS | 13.8k⭐ 全称是 Auto-Research-In-Sleep。 偏 AI、ML 自动科研，可以辅助寻找 Idea、规划并执行代码实验、分析结果、交叉评审和撰写论文。 4. AI Research Skills Library | 11.1k⭐ 覆盖模型训练、微调、后训练、RAG、多模态、GPU、实验评估、部署和论文输出。 更适合 AI、计算机和算法研究方向。 5. ARS-Codex | 7.1k⭐ Academic Research Skills 的 Codex 原生版本。 适合搭建从研究问题、文献调研、实验设计，到论文写作、模拟审稿和投稿前检查的完整科研工作流。 6. Research-Paper-Writing-Skills | 5.5k⭐ 偏 AI、CV、NLP 和 ML 论文写作。 适合辅助梳理 Abstract、Introduction、Related Work、Method 和 Experiments 等章节。 7. PaperSpine | 4.4k⭐ 专门解决论文主线混乱、创新点不突出，以及实验结果不知道如何组织的问题。 它更重视研究动机、核心贡献与实验依据之间的对应关系，而不只是润色句子。 8. codex-claude-academic-skills | 2.2k⭐ 面向中文科研用户的三件套，覆盖论文阅读与写作、Python / MATLAB 科学计算，以及Word、PPT 和科研图表输出。 9. paper-craft-skills | 896⭐ 适合论文精读、方法流程图、组会 PPT 和科研解读内容制作。 可以把论文转化成方法图、视觉化幻灯片和深度解读材料。 10. PaperJury Codex | 202⭐ 投稿前的 AI Reviewer。 可以对论文进行审稿、裁定、修改和复查，重点检查 Claim 是否过强、实验是否支持结论，以及可能存在的投稿风险。

搞科研的小伙伴们有福了。 Claude Science 上线了。 我一开始以为是个更强的科学模型，经过了解才发现不是。目前跑的还是 Opus 4.8，无需特殊权限，明天可以跑Fable 5。 简单来说，它卖的不是模型，是工作流。 一个把 PubMed、notebook、R、Python、六十多个科学数据库、HPC 集群全塞进一个环境的桌面应用。你平时做研究要在这些工具之间来回跳，它把这些收进一个工作区，一个主 AI 助手像项目经理一样帮你调度。 最有意思的是每张图都带着生成它的代码、说明和完整对话历史。还有个审稿 agent，定稿前替你查引用、算错没算错、图对不对。搞科研的都懂，难点从来不是拿到答案，是证明比如说这张图确实从数据里跑出来的。 Pro 订阅就能用，现在 beta阶段。目前只支持 Mac 和 Linux，是桌面应用而不是网页，第一次打开要自己配 Python 和 R 环境。Windows 的暂时用不了。 有UCSF 脑瘤中心拿它做胶质瘤分析，结果还过了独立验证。 Dario 说，Claude Code 怎么改了写代码，Claude Science 就想怎么改生命科学。

最新科研成果：可拆卸换装立牌两种爆衣形态、磁吸设计、可diy换装、内设置含森林满足爱毛人群外设置含小裙子有效遮挡森林满足不爱看毛