2026年8月6日星期四

1. DASyR-LLM：用大语言模型注入领域知识的化学动力学模型发现框架
   T2arXiv AI/CL/LG（论文）

   化学工程中动力学模型发现依赖准确的速率表达式，但传统符号回归常缺乏领域知识，易探索出物化上不合理的模型。该研究提出DASyR-LLM，将大语言模型嵌入迭代式符号回归算法，由LLM承担候选模型定性物理化学批判与基于化学知识提出新表达式的双重角色。在四个体外案例中将找真模型的迭代数减少41.7%-79.3%，超半数运行中LLM直接提出正确结构，同时独立验证集预测性能保持R²>0.98。这显著降低湿实验成本，为自动化领域感知建模铺路。

—

—

1. 小芯片与LLM时代下的硬件设计与安全：统一分析
   T2arXiv AI/CL/LG（论文）

   该论文提出首个统一框架，分析异构2.5D小芯片系统与LLM驱动EDA带来的安全威胁，涵盖架构、逻辑和物理层攻击，并梳理2.5D拆分制造与有源中介层实现物理隔离信任根、以及LLM驱动EDA管道防护等防御技术，最后探讨LLM系统如何助推小芯片安全。

2. Mirendil 与 Google Cloud 签署超 1 亿美元协议，扩展自我改进 AI 算力
   T2TechCrunch：AI（RSS）

   AI 初创公司 Mirendil 宣布与 Google Cloud 达成价值超过 1 亿美元的多年合作协议，大规模扩充计算基础设施，以支持其自我改进 AI 系统的研发。该系统旨在加速科学发现和 AI 迭代进程。此次合作将依托 Google Cloud 的 AI 优化算力平台，推动自改进算法走向规模化。协议反映出前沿 AI 研究对算力的极高依赖，也标志着云厂商正深度嵌入 AI 基础设施竞争。

—