在这一众智能体功能中，Deep Research引起了娜姐的兴趣：基于Gemini的高级推理和长上下文能力，Deep Research能够作为研究助手的角色，帮助用户探索复杂的主题并撰写报告：意思是给一个主题，Gemini可以帮我自动规划并撰写一篇文献综述了？往常你自己整一篇文献综述，至少的好几天，有了这个Deep Research智能体功能，把你的主题告诉它，你看着它帮你规划-检索-分析，3-5

使用包含 690 个 ChIP-seq 实验结果的染色质免疫沉淀测序（ChIP-Seq）数据进行训练， EPBDxDNABERT-2 显著提高了 660 多个 TF-DNA 的预测，揭示了在全基因组关联研究中发现的与疾病相关的非编码变异的机制【13】。哈佛医学院研究人员开发的TxGNN 模型，在涵盖 17,080 种疾病的疾病机制和 7,957 种药物的作用机制的医学知识图谱上进行训练，旨在解决现

Nano Banana Pro 的设计图，特别是摘要图、综述图这种需要抽象化设计能力的图，往往能给人眼前一亮的感觉，但 Image 2 在这方面差距比较明显。Nano Banana Pro 的 3D 渲染总有一股廉价的塑料感，但 Image 2 的 3D 渲染效果层次更加丰富，光影等显示也更加高级。Image 2 的短板就在于，它根据文字来抽象化设计图像的能力，比 Nano Banana Pro

这是设计活，再用代码，效果就不好。这样做的好处是Image 2遵循了你的模板的视觉布局和风格，且单页的叙事和初稿pptx文稿完全一致，内容和呈现也才是可控的。我之前用的 NotebookLM 来做视觉优化，效果还不错，但是中文字生成总是有 bug，也不够清晰。装上这个 skill，提交你的初稿 PPT，剩下的活就交给image 2：让它帮你逐页批量优化。从几千块一份的答辩 PPT，到几万元一份的商

这是设计活，再用代码，效果就不好。这样做的好处是Image 2遵循了你的模板的视觉布局和风格，且单页的叙事和初稿pptx文稿完全一致，内容和呈现也才是可控的。我之前用的 NotebookLM 来做视觉优化，效果还不错，但是中文字生成总是有 bug，也不够清晰。装上这个 skill，提交你的初稿 PPT，剩下的活就交给image 2：让它帮你逐页批量优化。从几千块一份的答辩 PPT，到几万元一份的商

Excel 是你梳理思路的内部工具，提交给编辑的，应该是一封格式规范的 Response Letter，逐条对应审稿人意见，说明做了什么修改、具体在论文的哪个位置。拿教授最推崇的 Excel 梳理环节来说，AI 可以直接从审稿人的原始评论中逐条提取意见，自动标注来源、分类归组，省去你手动摘录的时间。更关键的是，升级版的工作流不只生成回复信——论文正文中对应位置的修改建议，也会同步呈现出来。投稿过程

Excel 是你梳理思路的内部工具，提交给编辑的，应该是一封格式规范的 Response Letter，逐条对应审稿人意见，说明做了什么修改、具体在论文的哪个位置。拿教授最推崇的 Excel 梳理环节来说，AI 可以直接从审稿人的原始评论中逐条提取意见，自动标注来源、分类归组，省去你手动摘录的时间。更关键的是，升级版的工作流不只生成回复信——论文正文中对应位置的修改建议，也会同步呈现出来。投稿过程

来自加州旧金山初创公司 FutureHouse 的化学家兼人工智能专家Andrew White表示，谷歌的产品“真正利用了谷歌在搜索和计算方面的优势”，让用户能迅速掌握某个主题，而 o3 的推理能力则为 OpenAI 的报告增添了深度。“如果这是人类写的，我会说：‘还有需要很多改进的地方’，”加利福尼亚州莫菲特菲尔德湾区环境研究所的数据科学家凯尔·卡巴萨雷斯（Kyle Kabasares）在一次在

这款工具之前娜姐介绍过，它支持结构化总结网页内容，还可以对总结的网页内容继续提问，并内置了很多常用语提示词。因为，每次还要专门切换到它的网址上传文档，而且，不能中文总结，总是没有那么直观。作为海量文献世界的效率神器，这两款插件还是很不错的，赶紧用起来吧。ChatGPT刚出来的时候，几款速读PDF的AI工具ChatDoc、ChatPDF也跟着火了起来，可见大家对于速读文献、总结文档需求很高。而且，这

几万字的毕业论文终于写完了，最后一关是做PPT, 准备毕业答辩。几万字的内容，要在15-30分钟内讲清楚，还要扛住评委的现场提问。最后一关了，谁都不想在这里翻车。但真正上手做才发现，答辩PPT的难度，被严重低估了。内容提炼难。 一篇毕业论文三五万字，涵盖背景、方法、实验、结果、讨论，要压缩到15-20页PPT。砍什么、留什么、怎么概括，需要极强的归纳能力——既不能照搬原文，又不能遗漏关键信息。逻辑