文小刚：粒子与时空可能是涌现产物？
MIT教授文小刚获首届戴维·格罗斯物理奖章，其拓扑序理论用长程量子纠缠取代传统对称性框架描述量子物态。分数量子霍尔效应中任意子的发现已证实粒子可从多体系统涌现；2026年《自然·物理学》论文在量子自旋链中观测到拓扑蜕变现象，为时空属性从拓扑序衍生提供了数学桥梁。但所有实验证据仍停留在低维凝聚态模拟层面，尚未直接证明三维时空本身是涌现产物。 
集智俱乐部
关注复杂科学与人工智能的前沿进展、书籍资料、工具文献、交叉前沿等，同时也发布集智俱乐部、集智学园举办的各类讲座、课程等活动相关信息。
评论
点赞
收藏从微小积累到结构飞跃：进化为什么不是一条平滑曲线
集智俱乐部联合北师大王文旭教授推出《进化力》读书会第三期，8月16日周日10点线上共读第三章。 本期聚焦合作创新平台如何推动进化发生不连续飞跃，从宇宙大爆炸到生命起源到文明演进，梳理各层级进化节点。主讲人诸葛昌靖（北京工业大学副研究员，清华博士，研究方向为计算系统生物学）。报名需付费并加入微信群，讨论有主题约束。 
arXiv综述：大模型自我进化的闭环机制与反直觉挑战
arXiv百页综述梳理大模型自我进化的四步闭环：数据获取、数据筛选、模型优化、推理精炼，自主评估贯穿全程。模型崩溃、奖励作弊、自我偏好和对齐失效是主要风险。 数据获取分静态收集、环境交互、合成生成三条路径。数据筛选从指标引导评分转向可学习的自适应筛选器。当前筛选器多独立于主模型，耦合机制仍在探索。 
2026 GOAI世界人工智能开源大赛「AI for Research」赛道报名启动
2026 GOAI世界人工智能开源大赛「前沿探索」赛道开始报名，7月21日在杭州启动，由Datawhale承办，西湖大学、浙江大学参与出题。赛道分算法赛题和开放探索赛题两条路径，前者针对虚拟细胞、小分子-蛋白质结合等真实科学问题，后者鼓励参赛者自己定义问题并构建Agent探索环境。赛道明确社会科学和经济学与自然科学同等对待，核心判断是AI时代科学发现最稀缺的不是算力而是提出问题的能力。 
MatrAIx：用83亿数字角色模拟用户，评估AI产品
MatrAIx用83亿数字角色模拟用户交互，91.5%行为遵循率证明大模型能扮演人格，但无法替代真人测试。 框架含1290维属性体系、四类交互环境和1010项任务，覆盖商业金融医疗等二十余行业。核心发现是底层驱动模型为最大变量——相同角色相同场景下，不同模型产出差距极大。研究定位为补齐静态基准与真人测试之间的评估缺口。 
世界模型读书会第二期：从认知科学到具身智能
集智俱乐部将于2026年8月14日晚举办世界模型读书会第二期，梳理从亥姆霍兹、Craik到Dyna、Dreamer、JEPA的技术脉络，并讨论Sora、Cosmos等生成式世界模型在具身智能中的应用。 
多智能体框架模拟舆情传播：从个体语义互动到宏观演化
Scientific Reports发表研究，提出用大语言模型+概率模型构建多智能体框架模拟舆情传播。框架将智能体分为普通公众、舆论推动者、管控者、涉事主体四类，每类具备记忆、规划、工具、行动模块。在上海电价上涨和罐车混运食用油两个真实事件中，均模拟出潜伏—爆发—衰退三阶段演化，食品安全事件爆发更快。归一化行为熵约0.69，说明智能体行为未高度同质化。 
AI辅助学术研究与写作 |「AI × 传播」读书会第二季第六期
北师大博士生贾伟雯8月13日分享生成式AI在学术研究与写作全流程中的应用，包括提示词案例和AI幻觉、虚假引用等风险分析。这是集智俱乐部与北师大联合发起的"AI × 传播"读书会第二季第六期活动。 
PNAS：扩散失稳如何重塑演化博弈中的合作
PNAS 2026年7月论文证明：当背叛者扩散速度远高于合作者时，生态网络会自发形成局部合作簇，高连通枢纽节点成为合作行为的天然庇护所。研究将合作者与背叛者视为扩散速率不同的"物质"，搭建离散网络版本的图灵反应扩散系统，给出线性稳定性临界判据与度均值场约化模型，解释异质网络中合作自组织的底层动力学机制。 
自体抗肿瘤T细胞体外改造的抗瘤效应｜免疫复杂性读书会第16期
中山大学周鹏辉教授将于8月10日晚主讲肿瘤免疫治疗新策略，聚焦TIL、TAL-T、个体化TCR-T等细胞疗法，探讨多基因组合改造T细胞以突破实体瘤微环境抑制的最新研究。免疫检查点治疗有效率不足三分之一，T细胞疗法是重要突破方向。 
罗家德：智能化与工作流程再造——复杂系统管理学读书会第九期
清华大学罗家德教授将于8月15日在北京集智谷举办线下+线上读书会，主题为AI时代的工作流程与组织重构，结合复杂系统理论探讨企业AI化案例与局部优化方法。活动含赠书签售环节，通过腾讯会议同步直播。 
认知地图如何赋予人工智能灵活规划能力
Nature Machine Intelligence发表研究，提出生成式认知地图学习器（GCML），借鉴大脑海马体认知地图机制，通过随机采样实现目标导向想象和规划。模型无需深度网络和反向传播，仅靠局部突触可塑性，在空间导航和组合任务中实现快速规划，为神经形态硬件部署低功耗智能提供新路径。 
EmergentMind：自指神经网络综述
自指神经网络让模型在计算过程中动态修改自身权重和结构，实现递归式自我改进。核心机制包括自指权重矩阵(SRWM)和数据流矩阵机(DMMs)，大语言模型通过提示词实现内省。从元学习到Gödel Agent等应用，该方向探索"学会如何学习"的递归路径。 