Claude 发现一种新型酶系统

AI 工程实验室（24 周 AI 工程自学课程）

Zorost Intelligence AI Lab 发布的一套免费、自定进度的 24 周 AI 工程课程仓库，采用 MIT 许可，无需注册。内容覆盖 Python、机器学习、LLM、RAG、微调、Agent 与 MCP，以及 Azure、Vertex、Bedrock 和 Databricks 等平台，包含 43 个可运行的 notebook 和一个贯穿全程的案例研究。README 提供克隆安装步骤，并指引编程或 AI 新手先阅读 START-HERE.md。

AI 推荐系统

AI Recommender Systems

Kim Falk 撰写、Manning Publications 出版的推荐系统书籍，共 375 页，预计出版日期为 2027-05-15，尚未出版。内容涉及由 LLM、agent 与上下文工程驱动的新一代推荐系统，从推荐系统入门讲到评估与生产环境部署，涵盖数据工程、性能优化、RAG 等工具，以及算法的强项与盲区。简介面向开发者，说明如何针对业务需求定制和改进系统输出。

Co-Scientist：加速研究的多智能体 AI 伙伴

Co-Scientist: A multi-agent AI partner to accelerate research

Google DeepMind 介绍 Co-Scientist，这是一个基于 Gemini 构建的多智能体 AI 系统，用于针对复杂科学问题迭代生成、辩论和演化新假设，面向生命科学等领域的研究者。文章提到相关研究已在 Nature 发表，并通过名为 Hypothesis Generation 的实验性工具向个体研究者开放。

一位研究者如何用 Codex 和 ChatGPT 寻找新的抗菌分子

How a researcher uses Codex and ChatGPT to search for new antimicrobial molecules

这是 OpenAI 于 2026 年 9 月 10 日发布的应用案例，介绍 César de la Fuente 的实验室使用 Codex 和 ChatGPT，在现存及已灭绝生物的基因组中搜索候选抗菌分子，以应对耐药性感染。页面设有“探索生物学中尚未被读取的空间”等章节。适合对 AI 辅助生命科学研究感兴趣的读者。

一个用于从可穿戴传感器数据中筛选候选生物标志物的 AI 工具

An AI tool for prioritizing candidate biomarkers from wearable sensor data

介绍 Google Research 的 Biomarker Discovery Framework，一个多智能体系统，通过迭代式假设生成、统计分析和基于文献的推理，支持从可穿戴传感器数据中发现候选生物标志物。文章指出可穿戴设备能连续采集心率、睡眠等生理信号，瓶颈已从数据采集转向如何将其转化为可靠的临床生物标志物，并提到现有基于语言模型的智能体系统在生理时间序列数据上容易出现伪相关、数据泄漏和脆弱特征等问题。该框架将候选生物标志物的筛选组织为在人工监督下进行的研究循环，结合假设生成、并行统计分析、模型训练、对抗式验证等环节。