OpenAI、PerturbAI 与 Scripps Research 用数千个 AI 智能体挖掘生物数据中的新线索
OpenAI、PerturbAI 与 Scripps Research 用分布式 AI 智能体，从数百万个脑细胞的数据中挖掘出有前景的研究线索。该演示展示了数千个 AI 智能体协同分析生物数据的用法。
#数据/训练
OpenAI NewsAI 评分4040 NVIDIA Blog精选AI 评分7575 NVIDIA 扩展开源模型家族，覆盖语言、机器人、生物与量子计算
NVIDIA 扩展其开源模型家族，覆盖语言、机器人、生物和量子计算，包括新的 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo 与 Ising。
推荐理由：NVIDIA 一次性铺开语言、机器人、生物、量子四条开源模型线，并给出各模型的开放渠道与首批企业用例。
AWS Machine Learning BlogAI 评分5252 i14 与 AWS 详解 Laplace 3B 线性注意力模型在 Trainium2 上的训练与推理
i14 与 AWS 团队用 TorchNeuron Native 原生 PyTorch 将线性注意力模型 Laplace 3B 移植到 AWS Trainium2，保留 GLA 架构与 Muon 优化器。
AWS Machine Learning BlogAI 评分4040 在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 实现多语言推理
在 Amazon SageMaker HyperPod 上对 GPT-OSS-20B 做多语言推理微调，基座模型在 50 例测试中仅 22% 用目标语言推理（法语、西班牙语、意大利语均为 0%）。
NVIDIA BlogAI 评分3838 NVIDIA 通过开放学习资源、合作与算力扩展欧洲科研界先进技术获取
NVIDIA 在都柏林 AI in Science Summit 上加入欧盟委员会发起的 AI in Science Enablers Initiative，为欧洲科研社区提供加速工具、算力与培训支持。
Microsoft ResearchAI 评分5858 微软研究院提出 StudentSim：用学生模拟器为 AI 辅导系统提供反馈
微软研究院发布研究系统 StudentSim，用公开的去标识化学习记录训练个性化 AI 学生模拟器，在真实学习者测试之前评估和改进 AI 辅导系统。该系统采用两阶段训练，先在同学科多学生记录上学习共性，再针对单个学生适配，并配套提出覆盖国际象棋、第二语言英语写作和数学的评测协议 StudentSimEval。
Microsoft ResearchAI 评分3838 微软研究院用机器学习预测电网空间天气风险
微软研究院实习生构建的机器学习流水线可为美国本土66,935座变电站生成30-60分钟前的空间天气风险预报，评估期内检出近80%的重大空间天气事件。系统结合AE与Dst指数预报、纬度、地质电导率及电网数据，Dst预测在2020-2026年活动高峰时段有62.2%的小时优于Burton方程。
Google DeepMind精选AI 评分6666 Google DeepMind 推出 SynthID Bio，为 AI 生成的蛋白质加可验证水印
Google DeepMind 发布 SynthID Bio，把水印技术引入合成生物学，将不可感知的签名嵌入生物代码，在实验室测试中保持蛋白质生物功能不变。该方法针对序列微调氨基酸选择、针对 3D 结构调整原子坐标，并在 AlphaFold 3 扩散网络中微调部分权重，使预测坐标自带可检测签名。
推荐理由：Google DeepMind 把 SynthID 水印扩展到合成生物学，读者可了解其在蛋白质设计与结构预测中的嵌入方式及生物安全用途。
Microsoft Research精选AI 评分6262 微软研究院推出面向生物学复杂性的 AI 研究系统 Quine
微软研究院推出 Quine，一个由跨模态生物学世界模型和连接模型、科学工具、文献与研究者的交互框架组成的 AI 研究系统。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，从数千个化合物中筛选并优先排序候选分子，湿实验显示排名最高的化合物产生了最大的经典态到基底态细胞状态转变，整个筛选到候选验证过程仅用一个周末。
推荐理由：微软研究院公开 Quine 的生物学世界模型与实验编排框架，并给出胰腺癌化合物筛选的湿实验验证结果。
Microsoft ResearchAI 评分2222 Microsoft Research Asia 新加坡实验室成立一周年：推进前沿 AI 研究与产学研合作
Microsoft Research Asia 新加坡实验室迎来成立一周年，这是微软在东南亚的首个研究实验室。该实验室围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践、生态与人才培养四大方向展开工作，并在医疗健康领域与新加坡本地伙伴合作推进多模态医疗 AI 与自进化诊断智能体的落地。
Berkeley AI ResearchAI 评分3838 ABBEL：通过信念状态监督让 LLM 高效完成长程交互
伯克利 AI 研究团队提出 ABBEL 框架，将 LLM 的交互摘要建模为自然语言"信念状态"并对其内容单独监督。在协作编程基准 CollabBench 上，该方法把与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也明显低于全上下文设置。
Berkeley AI ResearchAI 评分4242 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
UC Berkeley 团队提出，推理成本已从 GPT-4 级约 $30/百万 token 降至不足 $1，部分厂商低于 $0.10，基准测试中推理价格每年下降 9x 至 900x、中位数约 50x。作者据此提出三类数据系统挑战：为智能体设计的数据系统、支撑智能体群体运行的数据系统、以及由智能体合成的数据系统。
Berkeley AI ResearchAI 评分3636 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队综述并行推理进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化子任务、开多少并发线程以及如何协调。现有方法如 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild! Inference 的并行结构多由外部设定，而非模型自主选择。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以促进探索，并重塑梯度让动作获得清晰信号。该方法针对长时程规划中梯度爆炸/消失、非贪心结构导致局部极小值以及高维视觉模型状态-输入梯度脆弱等问题，使基于梯度的长时程规划更稳健。