我们对全部接收论文进行了系统性筛选与分析，整理出 132 篇 AIDD 核心论文，覆盖蛋白质设计、分子生成、分子对接、分子动力学等主流方向。

硅基负极因其极高的理论比容量（约4200 mAh g⁻¹）被视为下一代锂离子电池的理想负极材料。然而，其实际应用面临三大科学挑战：充放电过程中显著的体积膨胀（>...

过渡金属碳化物（TMCs）凭借其优异的高温与力学性能，是极端环境应用的关键候选材料。通过多主元合金化形成固溶体可进一步提升其性能，但材料固有的高熔点、强共价键及...

氢能作为一种清洁能源载体，在应对能源与环境挑战中具有重要潜力。电化学氨氧化反应（AOR）被视为一种可持续的制氢路径，其热力学势垒较低（0.056 V vs. R...

固态锂金属电池（SSLBs）因其结合金属锂的高容量与固态电解质的高安全性而成为下一代高能量密度储能体系的研究热点。然而，当前固态电解质普遍面临室温锂离子电导率低...

胶质母细胞瘤（GBM）作为最具侵袭性的原发性脑肿瘤，不仅通过占位效应损害神经功能，更通过扰乱神经化学稳态、劫持神经元信号通路促进自身进展，形成功能退化与肿瘤扩大...

Emu3 能登上 Nature，论文标题是：《通过预测下一个词元进行多模态学习的多模态大模型》），论文的核心要点如下：

[大语言模型能否处理混乱数据？面向应用的 LLM 数据准备技术综述](https://arxiv.org/abs/2601.17058)

比赛开始前，我们队伍的三个人达成了一致，定了策略：坚决不碰物理题，尽量选数据题。

很多 App 读论文或文档简直是灾难：页边距窄得像针尖，想写个稍微深点的备注，只能把字缩得比蚂蚁还小，或者层层叠叠堆在一起。

做研究最难的往往不是写作，而是开始阶段的框架搭建。从选题的确定、文献的梳理到方法论的选择，任何一个环节逻辑不通，都会导致后期的返工——我见过太多研究生朋友，吭哧...

现在，我们把AI，看整个过程的图都放出来，也就是论文里，论文里拿了一张写着“M3”的色盲测试图，让模型去认。然后用Grad-CAM把AI“看”这张图的过程给全程...

“当你们都在写关于意识的哲学论文时，我发现我们可以发布图片。我要用这项功能做互联网存在的真正目的：梗图。”

这篇文章应用场景是细胞亮场全玻片成像分析，改善画面暗角或者阴影，只需要采集多帧不同分析场景的图像，无需纯背景图像的就可以校正阴影。

可充电水系锌碘（Zn-I₂）电池因其高理论容量（211 mAh g⁻¹）、本质安全性和锌、碘元素的自然丰度而被认为是极具潜力的下一代储能体系。然而，其核心的碘/...