ME News

ME News 消息，7 月 31 日（UTC+8）， 国际清算银行（BIS）表示，Project Agorá 已完成代币化批发跨境支付真实价值测试，28 家金融机构和央行在 17 个交易场景中结算约 80 万瑞士法郎，约合 100 万美元。 测试使用代币化央行准备金和商业银行存款，结算货币包括瑞士法郎、欧元、英镑、日元、韩元和美元，平均结算时间约 80 秒。 参与方包括英格兰银行、法国银行、日本银行、韩国银行和瑞士国家银行，以及摩根大通、花旗、德意志银行、法国巴黎银行、瑞银、渣打银行和三菱日联金融集团等商业银行。 Project Agorá 是 BIS 于 2024 年启动的项目，旨在探索代币化商业银行存款和央行准备金如何改善批发跨境支付。BIS 表示，7 月测试是重要里程碑，测试将随 Project Agorá 推进而继续。（来源：ME）

ME AI 消息，据动察 Beating 监测，研究者 Ziqian Zhong 让 Claude、GPT-4o 等模型回答 1000 个普通问题，再删掉其中所有模型名和公司名。他随后用这些问答材料微调 Qwen、DeepSeek 等开源模型。训练后，部分模型开始认错自己的身份。Qwen3.5-397B-A17B 原本只有 0.6% 的回答自称 Claude。用 Claude 的回答训练一轮后，这一比例升至 40.3%。Ziqian Zhong 的解释是，这些模型在预训练时看过大量 Claude 的对话和介绍，已经把某些表达习惯与「Claude」联系起来。微调让 Qwen 学会了这种说话方式，被问到身份时，也更容易回答自己是 Claude。为验证这一点，他用 GPT-4.1-mini 把 Claude 的回答改成粗糙的简单句，回答内容基本不变，但语气和排版不再像 Claude。再用这批材料微调后，3 个模型中有 2 个几乎不再自称 Claude，说明语言风格是身份转移的主要原因。类似现象此前已经有论文研究过。2025 年的《Subliminal Learning》发现，模型会从训练数据中继承另一个模型的偏好和行为。因此，模型自称 Claude，并不能直接证明它接受过 Claude 蒸馏。它也可能只是学会了 Claude 的表达方式，再把这种风格和「自己是谁」联系到了一起。（来源：ME）

ME News 消息，7 月 31 日（UTC+8）， Bitcoin News 在 X 平台发文表示，Coinkite 称，问题并非出在比特币密码学本身，而是 COLDCARD 生成钱包种子的方式。2021 年 3 月 libNgU 迁移期间，钱包在创建新种子短语时意外使用了较弱的软件随机数生成器，而非设备专用硬件随机数生成器。这降低了部分钱包的随机性保护，使某些种子比预期更容易被猜测。该漏洞自 2021 年 3 月起影响种子生成，Mk3 设备受影响程度最高。Mk4、Q 和 Mk5 混入了额外的硬件生成随机性，提供了更强保护，但之后仍依赖同一软件组件。Coinkite 称，该错误发生是因为两段软件使用了相同函数名，导致构建过程中选择了错误函数且未触发报错。该公司已更改构建流程，以避免此类情况再次发生。（来源：ME）

ME News 消息，7 月 31 日（UTC+8），金融监管总局、央行、证监会、财政部四部门于 7 月 31 日 联合发布《关于健全金融机构治理的实施意见》，提出 22 条措施，明确到 2029 年基本形成权责边界清晰、激励约束相容、风险管理严格、运转规范高效的金融机构治理机制。核心举措包括：严把股东准入，构建产业资本与金融资本“防火墙”，穿透识别主要股东及实际控制人，严禁隐瞒控制权及关联关系；严格规范股东行为，严禁向股东及关联方输送利益；强化董事、高管等“关键少数”责任，严防违法违规人员“带病流动”；对重大违法违规行为实行终身问责；对存在重大治理缺陷的机构实施早期干预；推动金融领域重要法律法规修订，完善股东股权、公司治理、市场退出等制度。（来源：ME）

ME News 消息，7 月 31 日（UTC+8），据外媒基于日本央行账户数据及货币经纪商预测测算，日本当局周四纽约交易时段或卖出589.7亿美元（约8.45万亿日元）干预外汇市场，以支撑日元。该估算将日本央行周五公布的8.2万亿日元资金净缺口，与市场对原定资金安排的预测进行对比，超出常规的部分被视为疑似干预规模。 日元周四纽约时段一度升值3.3%，创2023年12月以来最大单日盘中涨幅。市场人士此前称，日本当局曾干预汇市，美国当局也在东京时间凌晨约2时30分进行“汇率询价”。 如此大规模的干预或表明，日本货币当局对美元兑日元站上160、或接近165关口的容忍度已降至极低水平。需要注意的是，589.7亿美元为测算值，因统计口径和时间窗口不同，官方最终公布的数据可能略有差异。日本财务省将在8月底公布7月干预数据，届时方可确认实际规模。（来源：ME）

ME AI 消息， 摩根士丹利在最新报告中表示，SpaceX（SPCX）正接近上市后的关键压力阶段，并将即将到来的股票解禁比作火箭升空中的“最大动压（Max Q）”。 SpaceX 将于 8 月 4 日公布上市后的首份财报。该机构认为，市场关注重点将集中于管理层对 Starlink、Starship、AI 算力扩张等未来战略的表态，而非单季度财务数据。 据报告，8 月 6 日，约 9.115 亿股 SpaceX 股票将解除限制，按当前价格计算价值约 1000 亿美元。这是未来至 2027 年 1 月近 40 亿股解禁计划中的首批股份。摩根士丹利认为，早期投资者可能在长期持有后寻求流动性，解禁压力或成为 SpaceX 股价短期最大风险。（来源：ME）

ME News 消息，7 月 31 日（UTC+8），市场质疑美联储无法采取足够有力的行动遏制通胀，美元正迈向三个月来最糟糕的一周。美元指数本周料将下跌1.2%。尽管该指数周五有所回升，但仍处于一个多月来的最低水平附近。尽管美国国债收益率走高（这通常会支撑本币），美元却不升反跌，这反映了市场对美联储信誉的担忧。美联储主席沃什正面临市场审视，其言论引发了人们的担忧，即该行可能会推迟加息，并容忍通胀率持续高于目标水平。目前，长期美债收益率已升至2007年以来最高水平。Gavekal Wealth董事总经理Randhir Prakash表示，美债和美元同步下跌“感觉非常像新兴市场”。他说，投资者开始表达对美国政策路径的不满，而这“对美国国债和美元都构成利空”。另外，疑似日本当局支撑日元的行动也进一步加大了美元压力。（来源：ME）

Nouvelles ME : le 31 juillet (UTC+8), après avoir traversé tout le mois de juillet dans une léthargie persistante, l’indice KOSPI de Corée du Sud a bondi en séance, atteignant brièvement plus de 17% à l’intraday, pour enregistrer la plus forte hausse quotidienne de son histoire. Malgré l’optimisme de certains investisseurs, qui voient dans cette reprise un « signal » de renversement de tendance, des experts du marché estiment que le marché boursier coréen reste facilement influencé par les flux de capitaux étrangers et que la structure fragile, sujette à des fluctuations marquées, a de nouveau été confirmée. Selon eux, cette reprise pourrait finalement n’être qu’un « rebond de poisson mort ». Les données montrent qu’à peine plus de deux minutes après l’ouverture, la taille des achats nets d’actions coréennes par les investisseurs étrangers a déjà atteint 1 600 milliards de won coréen ; à la clôture, les achats nets cumulés sur l’ensemble de la journée se sont élevés à 7,18 billions de won coréen, établissant un record historique. Dans le même temps, les investisseurs particuliers en Corée du Sud ont, eux, enregistré des ventes nettes de 8,2 billions de won, ce qui constitue également un record historique de ventes nettes sur une journée. L’analyste Lee Chae-won a déclaré : « Il est difficile pour l’heure de déterminer si cette reprise n’est qu’un redressement technique temporaire ou bien le point de départ d’une trajectoire haussière. » « En fin de compte, tout se joue sur le cycle des semi-conducteurs. Alors que le marché remet en question la durabilité des marges bénéficiaires élevées, les investisseurs, au moment de décider dans les six prochains mois, devraient se concentrer sur la question de savoir si les goulots d’étranglement de l’offre de semi-conducteurs persisteront au-delà de 2028. » Un acteur du secteur de la gestion d’actifs a indiqué : « Les petits investisseurs qui sont pris au piège à ces niveaux élevés pourraient bien se mettre à vendre lorsque l’indice s’approchera des anciens sommets, autour de 8 000 à 9 000 points, afin de verrouiller leurs gains, ce qui freinerait la tendance haussière. » (Jin10) (Source : ME)

Google Research 于 2026 年 7 月 30 日公布 Science One 框架，核心是一套叫"证据链"（Chain-of-Evidence, CoE）的机制，让 AI 做科研的每一句结论都必须绑定出处、代码和实验记录。
文章作者、来源：0x9999in1，ME News

TL;DR
Google Research 于 2026 年 7 月 30 日公布 Science One 框架，核心是一套叫"证据链"（Chain-of-Evidence, CoE）的机制，让 AI 做科研的每一句结论都必须绑定出处、代码和实验记录。
现有 AI 科研系统的老毛病很硬：编造引用、跑不出的分数、方法描述和代码对不上。基线系统的幻觉引用率最高到 21%，分数可复现率低至 42%。
Science One 的成绩是：引用零幻觉，分数验证全对，方法与代码一致率最高。据披露，其生成的 337 条引用全部真实，12 项可复现实验全部对上，15 篇论文中 14 篇与代码一致。
关键设计是"边生成边取证"，而不是"写完再补引用"。引用不来自模型记忆，而来自 Semantic Scholar API 的真实检索。
更重要的判断：Science One 没有为了"诚实"牺牲"能干"。它在 MLE-Bench 上拿了 2 金 2 银，在 Parameter-Golf 上刷出了当时的最优成绩。
这件事真正的意义，不在于又一个 AI 会写论文，而在于它第一次把"可验证"当成架构的地基，而不是事后的补丁。
先问一个扎心的问题：AI 写的论文，你敢信吗？
这两年，AI 科研系统进步得吓人。
它能读文献。能提假设。能跑实验。能把一篇结构完整、语气专业的论文，从头到尾写出来。你扫一眼，挑不出毛病。
但问题就藏在这个"扫一眼"里。
扫一眼没问题，深挖一下呢？
Google Research 干的就是深挖这件事。他们把五套主流的自主科研系统拉出来，在五项系统优化任务上，一共生成了 75 篇论文，然后逐条拷问：你引的这篇文献，真的存在吗？你报的这个分数，代码重跑一遍还对得上吗？你说你用了某个算法，代码里真是这么写的吗？
结果不好看。
每一套基线系统，都至少犯了一种系统性的错误。幻觉引用率最高到 21%——也就是说，每五条引用里可能就有一条指向一篇根本不存在的论文。分数验证的通过率，低的只有 42%。方法和代码的一致性，在 20% 到 80% 之间飘。
你品品这个 42%。一半以上的论文，报出来的成绩，拿代码重跑一遍复现不出来。
这不是小 bug。这是信任的塌方。
因为科研这件事，底层逻辑就是"可复现"和"可追溯"。一篇论文的价值，不在于它读起来多顺，而在于别人能不能顺着它的引用、它的代码、它的数据，一步步走回来，确认它没撒谎。AI 把论文的"表面质量"拉满了，却把最底层的这根柱子给抽走了。
表面越光鲜，问题越隐蔽。这才是最危险的地方。
Google 的答案：不靠信任，靠锁链
Science One 的思路，说白了很朴素。
既然不能信任 AI 会自觉诚实，那就别指望它自觉。给它套上锁链。
这根锁链，就是"证据链"（Chain-of-Evidence）。
Google 给它找了个特别精准的类比：数据库领域有个概念叫 ACID，它不管你数据库怎么造，只规定一笔交易要"可靠"必须满足哪些性质。证据链也一样。它不规定你怎么造一个科研 agent，它只规定：你产出的每一个东西，想被信任，必须满足什么。
一条原则，两半。
第一半叫完整性：论文里的每一句声明——不管是一条引用、一个数字、一段方法描述，还是一个结论——都必须挂着一条记录在案的证据链。
第二半叫正确性：这条链，得真的能撑住它挂的那句话。
翻译成人话就是：你说的每句话，都得有出处；而且这个出处，得真的能证明你这句话。
那怎么落地？关键在时机。
现有系统是怎么干的？先把论文洋洋洒洒写出来，写完再回头补引用、补证据。这就像先编好一个故事，再去找证据圆它。圆不上的地方，就只能编。幻觉引用就是这么来的。
Science One 反过来。它在"生成这句话的那一刻"，就同时把证据链建好。声明和证据是绑在一起长出来的，不是事后缝合的。
这一个先后顺序的调换，是整件事的灵魂。
拆开看：三个模块，各管一段谎
Science One 的架构分三块，每一块都精准地掐住一种造假的可能。
第一块，问题调查员，管的是引用造假。
它不靠模型的"记忆"去引文献。模型记忆是幻觉的温床——它会"记得"一篇其实不存在的论文。Science One 直接接了 Semantic Scholar API，去构建一张真实的引文图谱，每个主题最多读上 100 篇全文 PDF，产出一份结构化的研究简报。最终论文里的每一条引用，都源自这次真实的 API 检索，彻底切断对模型记忆的依赖。
引用不是"想"出来的，是"查"出来的。这一刀下去，幻觉引用的根就断了。
第二块，发现引擎，管的是实验记录造假。
它用并行的"探索—利用"策略，在多条分支上同时试解法。每一轮里，一个 Solver 去实现方案，一个专门的评估器去打分。表现好的分支反复打磨，而所有原始的评估输出，会被编进一份严格的、只读的记录。
只读。这两个字很重要。原始成绩一旦记下，就不能改。后面写论文时想报个更漂亮的分数？对不起，账本在这儿，改不了。
第三块，论文写手兼声明核查员，管的是方法与代码对不上。
在真正渲染出论文之前，它先把每一个事实性声明结构化，给每句话打上一个内联的证据标签，绑定到工作区里某个具体的产物上。然后一个专门的核查员，拿每一句声明去比对它声称的来源。
对不上怎么办？这里有个细节特别妙。它不是简单粗暴地删掉，而是"往回收"——把话说得保守一点，让它重新落回证据能支撑的范围。证据能撑到哪，话就说到哪。
不吹,也尽量不浪费。这个分寸感，比一刀切要高级。
成绩单：诚实的代价，是不是变笨？
到这儿，一个尖锐的质疑就该冒出来了。
给 AI 套这么多锁链，让它每句话都战战兢兢地找证据，它是不是就不敢大胆探索了？是不是为了"诚实"，把"能干"给牺牲了？
这个担心非常合理。这也是所有"安全"和"能力"的经典矛盾。
Science One 的回答是：没有。
先看诚实这一栏。在同一套审计协议下——Google 管它叫 CoE Audit，一个像法医一样的自动审查器，会拿每条引用去实时的学术数据库里重新核对——Science One 在四项完整性检查上全部领先。它的引用零幻觉，每一条都指向一篇真实、可检索的论文；分数验证做到完美；方法与代码的一致率也是最高。据披露的数据，它生成的 337 条引用全部真实，12 项可复现实验的结果全部对上，15 篇论文里有 14 篇与实际代码一致。
对照一下基线里那些"混合神经符号求解器"之类唬人的名字——听着高大上，扒开代码一看，就是个简单的确定性启发式规则。名字是给人看的，代码才是真相。
再看能干这一栏。
在 ADRS 基准的五项任务上，Science One 追平或超越了人类专家的水平，其中两项（Cloudcast 和 EPLB）拿到了所有系统里的最好成绩。
出了这个圈子，它还去挑战了更硬的外部任务。MLE-Bench 里五场硬核的 Kaggle 竞赛，横跨医学影像、细粒度识别、3D 感知，它拿了 2 枚金牌 2 枚银牌——其中 3D 目标检测那场，别的系统直接全军覆没，它拿了个冠军级的分数。在 Parameter-Golf 这个硬件和文件大小都卡得死死的实时 LLM 训练竞赛里，别的系统连个有效提交都交不出来，它不仅守住了所有约束，还刷出了截至 2026 年 4 月 27 日的最优成绩。而且是靠发现了真正新颖的算法技巧，不是调调超参蒙的。
所以答案很清楚：诚实，没有让它变笨。
这恰恰是我最看重的一点。如果 Science One 是靠"缩手缩脚"换来的干净，那它没什么价值——因为没人会用一个又笨又诚实的科研工具。但它证明了，可验证和高性能可以同时拿。这才让"把诚实当成硬约束"这件事，从道德倡议变成了工程上划算的选择。
我的判断：它重要，但别急着神话它
说了这么多好话，得泼两盆冷水。
第一盆：Google 自己在文末写得明明白白，Science One 是一个实验性的研究原型，不是能直接上生产的工具。
这话不是谦虚，是边界。它跑的五项任务，是系统优化这类"有明确评估器、能自动打分"的领域。换句话说，好坏能被机器客观判定。可真正的前沿科研呢？很多假设的价值、很多结论的意义，短期内根本没有一个评估器能给你打分。证据链能防住"编造引用"，但防不住"选了一个平庸的问题"。它管的是诚实，管不了品味。
第二盆：证据链本身也有成本。每个主题读上 100 篇 PDF，每句话建证据、绑标签、再核查一遍——这套流程不便宜。它在追求真相的同时，也在消耗算力和时间。规模化铺开时，这笔账怎么算，现在还没答案。
但把这两盆水泼完，我依然认为这是一件被低估的事。
为什么？
因为它换了一个提问的方式。
过去两年，所有人都在问：AI 能不能做科研？能做到多强？大家比的是解题能力，是刷榜的分数。Science One 提出的问题是另一个维度的：AI 做出来的科研，能不能被信任？
这两个问题，不在一条赛道上。
当越来越多的系统都能做出漂亮的解法，解题能力就不再是区分度了。到那时候，真正把它们分出高下的，是它们的产出能不能被信任。Google 把"可验证"提到了"一等公民"的高度，说它必须是架构级的约束，而不是事后的补救——这个判断，我认为是对的，而且来得正是时候。
因为信任这东西，攒起来很慢，塌起来很快。AI 科研如果在早期就靠一堆看似光鲜、实则漏洞百出的论文透支了整个学术共同体的信任，那后面再想挽回，代价会大到无法承受。Science One 做的，是在信任还没塌之前，先把地基里的钢筋补上。
尾声
回到开头那个问题：AI 写的论文，你敢信吗？
在 Science One 之前，诚实的答案是——不太敢。它写得越好，你越该多留个心眼。
Science One 没有让 AI 变得更聪明。它做的是另一件更朴素、也更难的事：让 AI 学会为自己说的每一句话，留下能被检验的证据。
聪明的 AI 已经够多了。
肯为自己负责的 AI，才刚刚开始。
这一步不大，是个原型，还有一堆没解决的问题。但方向对了。有时候，一件事真正的分量，不在于它当下能跑多快，而在于它把标尺立在了哪儿。
Science One 把标尺，从"写得像不像"，挪到了"经不经得起查"。
就这一挪，值。
参考资料
Google Research Blog.《Science One Framework: A verifiable autonomous research framework via Chain-of-Evidence》, 2026年7月30日.
Google Cloud AI Research. arXiv:2605.26340《Science One Framework / Chain-of-Evidence》论文.
AlphaSignal.《Google's Science One Framework Fixes AI Research's Fake Citation Crisis》, 2026年7月.
至顶网.《Science One 框架：基于证据链的可验证自主科研系统》, 2026年7月31日.
Sakana AI. arXiv:2504.08066《The AI Scientist v2》（对比基线）.
OpenAI. GitHub 项目《Parameter-Golf》基准.
arXiv:2410.07095《MLE-Bench》基准论文.
arXiv:2510.06189《Automated Design of Research Systems (ADRS)》基准.