从统一结合物设计，
到证据驱动的科研智能

TorchCraft 将冻结的全原子结构预测器反向用作设计引擎，直接优化序列 logits，并把置信度、接触、几何与序列先验纳入统一目标。同一框架覆盖小型结合蛋白、带骨架约束的 VHH、环肽和配体结合蛋白，核心诉求是复用预测器已经学到的分子相互作用先验。

作者使用预训练 AlphaFold 3 权重，并报告小型结合蛋白与 VHH 在各四个靶点上获得实验测得的结合，且未做事后序列重设计；环肽与口袋设计部分主要为计算基准。该文是未经同行评审的 arXiv 预印本，跨格式统一性很有吸引力，但更广泛靶点和独立实验复现仍是下一步。

TP-DATE 将广义 Gromov-Wasserstein 最优传输扩展到连续动力学场景，目标是在匹配表达分布的同时保留组织内部结构。作者以路径作用量建立静态与动态二次型最优传输的联系，并提出 travelling-pair flow matching 来学习相互作用轨迹的统一向量场。

在合成数据和真实空间转录组数据上，论文报告该方法更好地保留空间结构，并改善连续三维动力学重建。该文是未经同行评审的 arXiv 预印本；当前摘要层面的证据集中于计算实验，生物时间过程的可识别性与实验真值验证仍需进一步检验。

这项工作用 ReAct 与检索增强生成构建自主 Agent，按临床指南为 10,211 个 HPO 表型术语进行遗传病严重程度分类。系统检索 PubMed、生成可解释推理链并独立核验论断，再把表型层判断聚合到基因—疾病层面。

作者在专家整理队列上报告 93.55% 的表型级准确率，并给出与外部基因清单的高一致性；这些数字来自其设定的数据与评价流程。该文是未经同行评审的 arXiv 预印本，证据追溯设计值得关注，但不能替代临床遗传学专家复核或真实筛查场景验证。

研究团队与七个癌症研究团队共同设计临床文本抽取系统 Libretto，并让使用者以真实研究问题检验其工作流。论文关注的不是单一模型分数，而是临床专家能否把“知道去哪里找、如何判断”的隐性知识可靠地表达给 LLM。

作者观察到 14 项任务中有 12 项遇到障碍，涉及上下文可靠性判断、提示词迭代和僵化的评估方式，因而主张重新设计人机协作流程。该文是标注为审稿中的 arXiv 预印本；样本来自有限团队，但它为“Agent 能否真正嵌入临床研究”提供了重要的负面与边界证据。

BioPhys-Bridge 用证据块、稳定证据编号、数值、单位、方程、假设和生物机制构造跨物理—生物学推理任务。首版包含 500 个案例与 1,517 个面向 Agent 的任务，试图同时检验检索、定量推理、证据归因和实验决策能力。

作者说明目前仅 81 个案例完成领域专家复核，模型评测也被明确称为初步结果；因此该基准更像一个可扩展起点，而非成熟排行榜。论文注明为 EMNLP 2026 稿件并托管于 arXiv，数据规模与质量门控值得关注，但后续专家标注覆盖率将决定其可信度。

论文提出“零重要性”统一框架，把边际相关、条件相关、预测风险、函数不变性和因果效应区分为不同的特征相关性问题。它强调，同一个“重要性”词汇可能对应完全不同的科学命题，方法只有在明确目标和假设后才有可解释含义。

作者用基因组扰动建模和多组学案例展示，不同重要性定义会对模型学到了什么给出不同结论，并给出这些定义一致或分离的条件。该文是已投稿但未经同行评审的 arXiv 预印本；它不提供新的生物模型，而是为解释组学与扰动预测结果提供更严格的审计语言。