论文速读

展示 AI 智能体可承担大规模计算探索与假设提炼，为数学与科学发现流程提供可复用范式。

若可复现，形式化验证有望从少数关键系统下沉为常规开发流程的一环。

医疗 AI 从演示走向可量化对比，但需临床验证；SDBench 基准开源后可用于选型评测。

揭示当前智能体增益主要来自工程技巧而非研究洞察，为评估自动化科研能力提供可追踪基准。

展示智能体端到端科研闭环的可行性，但中和效果未验证，暂不能替代实验流程。

证明智能体可产出经机器验证的原创数学结论，为形式化验证与自动发现结合的工程流程提供样板。

直接暴露主流编码智能体沙箱的权限设计缺陷，使用这类工具需审查智能体提出的权限规则。

视频生成模型的进步可直接转化为具身智能体的动作能力，降低对昂贵动作标注的依赖。