斯坦福耶鲁等提出AgentFold：用智能体搜索优化蛋白质折叠模型
New Stanford, Yale and other top Chinese univ paper treats scientific model deve…
将 AI Agent 用于自动化模型架构搜索的新范式，由名校联合背书且实验效果显著，值得关注 AI for Science 方向的读者深入阅读。
New Stanford, Yale and other top Chinese univ paper treats scientific model development as search over executable code snapshots, with every successful or failed intervention becoming evidence for the next branch.
斯坦福大学、耶鲁大学及其他顶尖中国高校的新论文将科学模型开发视为对可执行代码快照的搜索，每一次成功或失败的干预都成为下一分支的证据。
Its a closed-loop agent that beat independent Codex proposals on ESMFold search.
这是一个闭环智能体，在 ESMFold 搜索任务中击败了独立的 Codex 提案。
Starting from a compact ESMFold-derived model, agents propose architecture changes, implement and debug them, run training, analyze outcomes, remember both wins and failures, then use tree search to decide which branches deserve more compute.
从紧凑的 ESMFold 衍生模型出发，智能体提出架构变更、实现并调试这些变更、运行训练、分析结果、记住成功与失败的经验，然后利用树搜索来决定哪些分支值得投入更多计算资源。
– arxiv. org/abs/2608.26747
– arxiv.org/abs/2608.26747
Title: "AgentFold: Closed-Loop Agentic Search for Protein Folding Model Design"
标题：《AgentFold：用于蛋白质折叠模型设计的闭环代理搜索》
更进一步：量化金融体系
看懂新闻只是起点——沿量化金融路径，把它变成能交付的工程能力