AI 与科学前沿 · 2026-11-07

DNA语言模型通常只按一条链切词、训练和测试，同一段序列反向互补后预测会变。MirrorDNA用一个对称路由器让两条链在镜像位置切分，并证明整条模型对反向互补等变。在12个链对称的Nucleotide Transformer任务上，它两条链的MCC都是0.491，而NT-v2、DNABERT-2和HyenaDNA只有0.152、0.187和0.080。

DNA语言模型通常只按一条链切词、训练和测试，同一段序列反向互补后预测会变。MirrorDNA用一个对称路由器让两条链在镜像位置切分，并证明整条模型对反向互补等变。在12个链对称的Nucleotide Transformer任务上，它两条链的MCC都是0.491，而NT-v2、DNABERT-2和HyenaDNA只有0.152、0.187和0.080。

时间序列空间转录组每次只测一张组织切片，细胞如何迁移、增殖、彼此影响只能间接推断。CytoBridge在转录组与空间坐标组成的联合状态空间里学习连续群体演化，把速度拆成由空间邻域和配体—受体先验估计的相互作用项与内在调控项，并允许细胞数增减。在五个数据集、三种空间转录组平台上，它生成未测量的中间阶段；留一阶段基准的33个组合中，它在12个上Sliced-W2最低，多于其他任何方法或对照。

时间序列空间转录组每次只测一张组织切片，细胞如何迁移、增殖、彼此影响只能间接推断。CytoBridge在转录组与空间坐标组成的联合状态空间里学习连续群体演化，把速度拆成由空间邻域和配体—受体先验估计的相互作用项与内在调控项，并允许细胞数增减。在五个数据集、三种空间转录组平台上，它生成未测量的中间阶段；留一阶段基准的33个组合中，它在12个上Sliced-W2最低，多于其他任何方法或对照。

深度学习训练结果难以复现，常被归因于随机种子、批次顺序等外部噪声。该研究把训练看作参数空间中的动力系统，提出不同解对应的吸引域彼此任意接近地交织，形成“千疮百孔的吸引域”几何。在一个两层网络的最小模型中，据此推出的不确定性指数接近零：初始精度提高近24个数量级，结果不一致的比例才减半；在约50万个深度网络训练中，参数空间与函数空间的同类指数也接近零。

深度学习训练结果难以复现，常被归因于随机种子、批次顺序等外部噪声。该研究把训练看作参数空间中的动力系统，提出不同解对应的吸引域彼此任意接近地交织，形成“千疮百孔的吸引域”几何。在一个两层网络的最小模型中，据此推出的不确定性指数接近零：初始精度提高近24个数量级，结果不一致的比例才减半；在约50万个深度网络训练中，参数空间与函数空间的同类指数也接近零。

异步强化学习让采样与训练同时进行，但训练用的是旧权重生成的样本，此前靠重要性采样纠正，却仍会漂移。NVIDIA Research 与 Inferact 的 REINFORCE Zero 先把采样引擎与训练器的内核对齐，使同一权重下逐 token 对数概率逐位一致，再用不截断的 token 级重要性采样处理剩余的权重滞后。在 16 块 GPU、12K 次更新上，其训练步吞吐为对齐内核同步训练的 2.40 倍（68.55 对 164.77 小时），质量相当；Qwen3-4B 配合 Python 工具在滞后 64 下训练 5,000 次更新，平均奖励从 0.287 升到约 0.78。

异步强化学习让采样与训练同时进行，但训练用的是旧权重生成的样本，此前靠重要性采样纠正，却仍会漂移。NVIDIA Research 与 Inferact 的 REINFORCE Zero 先把采样引擎与训练器的内核对齐，使同一权重下逐 token 对数概率逐位一致，再用不截断的 token 级重要性采样处理剩余的权重滞后。在 16 块 GPU、12K 次更新上，其训练步吞吐为对齐内核同步训练的 2.40 倍（68.55 对 164.77 小时），质量相当；Qwen3-4B 配合 Python 工具在滞后 64 下训练 5,000 次更新，平均奖励从 0.287 升到约 0.78。

纳米孔测序的原始电流信号连续、没有天然词元，此前多按任务各建专用模型。Brieno 先用残差向量量化把信号压成离散词元，再以掩码词元预测在 1.18 亿条读段上预训练 Transformer，冻结或微调特征即可用于物种识别、条码拆分、碱基识别和甲基化检测。在留出运行上，微调 Brieno 的 CpG 5mC 读段级 AUROC 为 0.978，高于 Dorado 专用 5mCG 模型的 0.975。

纳米孔测序的原始电流信号连续、没有天然词元，此前多按任务各建专用模型。Brieno 先用残差向量量化把信号压成离散词元，再以掩码词元预测在 1.18 亿条读段上预训练 Transformer，冻结或微调特征即可用于物种识别、条码拆分、碱基识别和甲基化检测。在留出运行上，微调 Brieno 的 CpG 5mC 读段级 AUROC 为 0.978，高于 Dorado 专用 5mCG 模型的 0.975。

PDLM把蛋白序列和DNA序列拼成一条输入，用共享的Transformer做掩码语言建模，让DNA的得分依赖与之配对的蛋白。在2,558对留出测试集上，PDLM-150M-domain的蛋白–DNA配对分类AUROC为0.940、AUPRC为0.903，而最强的独立双编码器基线ESM2-150M加DNABERT-2为0.823和0.683。零样本条件打分复现了MutH E91A/F94A变体向GATA、GATG、GATT扩展的已知方向，据此筛出的82个变体中有6个在GACA位点的编辑显著高于亲本。

PDLM把蛋白序列和DNA序列拼成一条输入，用共享的Transformer做掩码语言建模，让DNA的得分依赖与之配对的蛋白。在2,558对留出测试集上，PDLM-150M-domain的蛋白–DNA配对分类AUROC为0.940、AUPRC为0.903，而最强的独立双编码器基线ESM2-150M加DNABERT-2为0.823和0.683。零样本条件打分复现了MutH E91A/F94A变体向GATA、GATG、GATT扩展的已知方向，据此筛出的82个变体中有6个在GACA位点的编辑显著高于亲本。

BLOOM把转录组虚拟胚胎建模写成条件生成问题：给定一段已观测的细胞群体历史、目标发育阶段和细胞状态信息，生成该阶段的表达分布。它用伪轨迹连接独立采样的细胞群体，并把发育年龄、细胞身份层级、解剖背景、基因程序和转录因子–靶标网络作为条件，同时约束高斯基分布与流匹配生成器。在产前、视觉皮层和多器官内皮三个小鼠单细胞图谱上，与22个时间序列预测基线相比，BLOOM在三个数据集的阶段平均基因相关性和细胞相关性上都排第一。

BLOOM把转录组虚拟胚胎建模写成条件生成问题：给定一段已观测的细胞群体历史、目标发育阶段和细胞状态信息，生成该阶段的表达分布。它用伪轨迹连接独立采样的细胞群体，并把发育年龄、细胞身份层级、解剖背景、基因程序和转录因子–靶标网络作为条件，同时约束高斯基分布与流匹配生成器。在产前、视觉皮层和多器官内皮三个小鼠单细胞图谱上，与22个时间序列预测基线相比，BLOOM在三个数据集的阶段平均基因相关性和细胞相关性上都排第一。

微生物基因的功能既取决于蛋白本身，也取决于它在基因组中的位置与邻接关系，而只编码单个蛋白会丢掉这层组织信息。VenusGenome把每个基因的冻结蛋白嵌入当作输入，用75%高比例掩码的自编码器迫使模型从稀疏的基因组上下文中重建被遮住的基因，并在注意力中显式区分同一contig内与跨contig的关系、编码相对链方向。在超过170万个微生物基因组组装上预训练后，冻结编码器在11项主指标中的9项取得所评估模型的最高平均表现，零样本PPI排序的基因组宏平均Spearman相关为0.300，BacFormer为0.201。

微生物基因的功能既取决于蛋白本身，也取决于它在基因组中的位置与邻接关系，而只编码单个蛋白会丢掉这层组织信息。VenusGenome把每个基因的冻结蛋白嵌入当作输入，用75%高比例掩码的自编码器迫使模型从稀疏的基因组上下文中重建被遮住的基因，并在注意力中显式区分同一contig内与跨contig的关系、编码相对链方向。在超过170万个微生物基因组组装上预训练后，冻结编码器在11项主指标中的9项取得所评估模型的最高平均表现，零样本PPI排序的基因组宏平均Spearman相关为0.300，BacFormer为0.201。

比较两个稀疏自编码器（SAE，把模型激活拆成稀疏学习分量的字典）时，需要同时回答整本字典差多少、差在哪些潜变量、以及多少来自有限文档的抽样波动。这套方法用一张能量加权的最优传输计划把三者连起来：计划的总代价是字典级差异，代价可按潜变量精确分解，传输比例描述每个潜变量的激活能量如何分配到对方潜变量上，并给出联合渐近置信区间。在四个语言模型上，它定位了同数据不同随机种子训练出的SAE之间的差异，并把主题相关的改变拆成权重项与代价矩阵项。

比较两个稀疏自编码器（SAE，把模型激活拆成稀疏学习分量的字典）时，需要同时回答整本字典差多少、差在哪些潜变量、以及多少来自有限文档的抽样波动。这套方法用一张能量加权的最优传输计划把三者连起来：计划的总代价是字典级差异，代价可按潜变量精确分解，传输比例描述每个潜变量的激活能量如何分配到对方潜变量上，并给出联合渐近置信区间。在四个语言模型上，它定位了同数据不同随机种子训练出的SAE之间的差异，并把主题相关的改变拆成权重项与代价矩阵项。

单细胞分辨率的空间转录组会把邻近细胞的转录本计入本细胞，这种溢出与细胞对微环境的真实响应都会让表达随周围环境变化，仅凭计数无法区分。DisCell把每个细胞拆成内在状态、微环境响应和溢出三项联合建模，在一系列溢出比例下重新拟合，并给出每个结论的失效点。在卵巢与肺组织切片上，其内在状态保留的细胞周期信息多于任何同等保留邻域信息更少的对照方法；一项已发表的食管癌上皮–间质转化结论在建模溢出范围内依然成立。

单细胞分辨率的空间转录组会把邻近细胞的转录本计入本细胞，这种溢出与细胞对微环境的真实响应都会让表达随周围环境变化，仅凭计数无法区分。DisCell把每个细胞拆成内在状态、微环境响应和溢出三项联合建模，在一系列溢出比例下重新拟合，并给出每个结论的失效点。在卵巢与肺组织切片上，其内在状态保留的细胞周期信息多于任何同等保留邻域信息更少的对照方法；一项已发表的食管癌上皮–间质转化结论在建模溢出范围内依然成立。

药物化学的后期官能团化长期受制于反应数据稀缺，尤其难以预测多个相似C–H键中哪一个会被硼化。罗氏与ETH团队用XGBoost集成模型驱动的主动学习，从22,253个候选分子中分三轮挑出50个未报道底物做高通量实验，把C–H硼化数据扩到6,865条反应、568个底物。随后训练的几何图神经网络在随机、Butina聚类和Bemis–Murcko骨架三种划分上多数情况下优于XGBoost，并在10个含N-杂芳基的未见底物上前瞻验证中把最可能的预测位点全部对上实验。

药物化学的后期官能团化长期受制于反应数据稀缺，尤其难以预测多个相似C–H键中哪一个会被硼化。罗氏与ETH团队用XGBoost集成模型驱动的主动学习，从22,253个候选分子中分三轮挑出50个未报道底物做高通量实验，把C–H硼化数据扩到6,865条反应、568个底物。随后训练的几何图神经网络在随机、Butina聚类和Bemis–Murcko骨架三种划分上多数情况下优于XGBoost，并在10个含N-杂芳基的未见底物上前瞻验证中把最可能的预测位点全部对上实验。

移动操作机器人接到“把玩具收进玩具箱”这类指令时，通常要先建一张与任务无关的语义地图，而这张图可能缺少指令所需的属性、可供性与概念。Feijoa 让语言模型智能体在指令到达后直接对已定位的 RGB-D 扫描发起查询，检查返回候选并反复改写查询，直到消解指令。在 103 条开放式指称查询上，Feijoa 的精确匹配率为 94.2%，高于最佳预建表示 TextMap 的 68.0%；在 Spot 上的 50 次真实试验中完成 35 项任务，其中 17 次成功发生在工具调用或校验失败后的恢复之后。

移动操作机器人接到“把玩具收进玩具箱”这类指令时，通常要先建一张与任务无关的语义地图，而这张图可能缺少指令所需的属性、可供性与概念。Feijoa 让语言模型智能体在指令到达后直接对已定位的 RGB-D 扫描发起查询，检查返回候选并反复改写查询，直到消解指令。在 103 条开放式指称查询上，Feijoa 的精确匹配率为 94.2%，高于最佳预建表示 TextMap 的 68.0%；在 Spot 上的 50 次真实试验中完成 35 项任务，其中 17 次成功发生在工具调用或校验失败后的恢复之后。

空间转录组分析长期依赖细胞分割，而分割边界和转录本归属容易出错；无分割方法虽绕开这一步，却往往需要外部单细胞参考或预设细胞类型数。SSAF-T把无分割的细胞类型判定与分割连成一条链：先由智能体CeLLMan依据文献知识图谱和标记基因给聚类贴标签，再把标签铺满整张组织图，并用这张图约束以细胞核为种子的分水岭分割。在Visium HD小鼠小肠、Stereo-seq小鼠脑、Xenium小鼠肾和MERFISH小鼠肝等公开数据上，其细胞类型分布与组织解剖一致，分割结果与Baysor、Cellpose可比，且运行更快。

空间转录组分析长期依赖细胞分割，而分割边界和转录本归属容易出错；无分割方法虽绕开这一步，却往往需要外部单细胞参考或预设细胞类型数。SSAF-T把无分割的细胞类型判定与分割连成一条链：先由智能体CeLLMan依据文献知识图谱和标记基因给聚类贴标签，再把标签铺满整张组织图，并用这张图约束以细胞核为种子的分水岭分割。在Visium HD小鼠小肠、Stereo-seq小鼠脑、Xenium小鼠肾和MERFISH小鼠肝等公开数据上，其细胞类型分布与组织解剖一致，分割结果与Baysor、Cellpose可比，且运行更快。

JuloVelo把基因动力学模式识别放在神经网络训练之前：先按未剪接与已剪接RNA的关系把每个基因判为Circle、完全诱导或完全抑制，再用对应模式的预训练权重初始化，避免细胞特异动力学优化收敛到生物学上不合理的参数区间。在覆盖红系生成、神经发生与内分泌发生的八个生物数据集以及带已知动力学的模拟数据上，它比常速率模型和细胞特异模型更稳定，是唯一理清海马神经发生全部五条分化支路的方法，并借助启动子染色质可及性处理多组学数据。

JuloVelo把基因动力学模式识别放在神经网络训练之前：先按未剪接与已剪接RNA的关系把每个基因判为Circle、完全诱导或完全抑制，再用对应模式的预训练权重初始化，避免细胞特异动力学优化收敛到生物学上不合理的参数区间。在覆盖红系生成、神经发生与内分泌发生的八个生物数据集以及带已知动力学的模拟数据上，它比常速率模型和细胞特异模型更稳定，是唯一理清海马神经发生全部五条分化支路的方法，并借助启动子染色质可及性处理多组学数据。

细胞追踪长期依赖人逐数据集判断该标注什么、何时训练、哪里错了、何时收手。理化学研究所的 Automahout 作为 Mastodon/ELEPHANT 平台上的自主智能体，先试现成检测器，不合适就自己标注参考细胞、从稀疏标注训练检测器、对照参考复核并把修正喂回训练，再连接谱系。在三个公开数据集上它全程无人工输入，TRA 达到 0.95–0.96。

细胞追踪长期依赖人逐数据集判断该标注什么、何时训练、哪里错了、何时收手。理化学研究所的 Automahout 作为 Mastodon/ELEPHANT 平台上的自主智能体，先试现成检测器，不合适就自己标注参考细胞、从稀疏标注训练检测器、对照参考复核并把修正喂回训练，再连接谱系。在三个公开数据集上它全程无人工输入，TRA 达到 0.95–0.96。

工具调用型语言模型智能体可能选对工具却执行被注入的参数，而现有反事实防护在评分时保留已含注入决策的推理前缀，会丢失来源敏感性。BiCP在执行前去掉当前步推理前缀，同时用工具名目标和完整调用目标做双轴探测，并按操作风险路由。在922例固定回放上，完整方法把已确认的InjecAgent攻击从83/682降到0/682、不安全条件执行从33/240降到0/240，良性任务成功从66/120升到78/120。

工具调用型语言模型智能体可能选对工具却执行被注入的参数，而现有反事实防护在评分时保留已含注入决策的推理前缀，会丢失来源敏感性。BiCP在执行前去掉当前步推理前缀，同时用工具名目标和完整调用目标做双轴探测，并按操作风险路由。在922例固定回放上，完整方法把已确认的InjecAgent攻击从83/682降到0/682、不安全条件执行从33/240降到0/240，良性任务成功从66/120升到78/120。

SGLang 为分页 KV 缓存加入 NVFP4 存储，把每个 token 的键值数据从 FP8 再压到约 56% 的字节量。在 Qwen3.8-27B 上，32K、160K、1M 三种输入长度下保持相同解码并发，峰值批解码吞吐提升约 26% 到 30%；智能体负载并发超过 12 后，FP8 吞吐骤降而 NVFP4 继续上升。精度上两个模型的差距随任务不同，最大为 SWE-bench Verified 上的 1.60 个百分点。

SGLang 为分页 KV 缓存加入 NVFP4 存储，把每个 token 的键值数据从 FP8 再压到约 56% 的字节量。在 Qwen3.8-27B 上，32K、160K、1M 三种输入长度下保持相同解码并发，峰值批解码吞吐提升约 26% 到 30%；智能体负载并发超过 12 后，FP8 吞吐骤降而 NVFP4 继续上升。精度上两个模型的差距随任务不同，最大为 SWE-bench Verified 上的 1.60 个百分点。

MiMo-V2.6发布后，智能体场景里反复发出相同工具调用的问题被定位为强化学习奖励的盲区：只奖励正确性，不惩罚低于阈值的过量调用。团队先用单轮强化学习训练一个专门判断何时停止的教师模型，再通过多教师在线策略蒸馏把这一行为并入主模型。最终MiMo-V2.6-Pro与MiMo-V2.6-Flash在多种上下文长度和智能体框架下重复率大幅下降，完整训练约花费9万美元，为重启MixRL方案估计成本231万美元的4%。

MiMo-V2.6发布后，智能体场景里反复发出相同工具调用的问题被定位为强化学习奖励的盲区：只奖励正确性，不惩罚低于阈值的过量调用。团队先用单轮强化学习训练一个专门判断何时停止的教师模型，再通过多教师在线策略蒸馏把这一行为并入主模型。最终MiMo-V2.6-Pro与MiMo-V2.6-Flash在多种上下文长度和智能体框架下重复率大幅下降，完整训练约花费9万美元，为重启MixRL方案估计成本231万美元的4%。

可变帧率语音编码器按内容分配词元，但基于阈值的分配让内容决定词元数，生成器在固定设置下要产出的序列长度会随语句和数据集变化。RubatoCodec在X-Codec-2上引入语句级精确事件预算与流式解码，用编码器特征和波形频谱的变化把语音切成变长事件，每个事件由离散码和显式时长表示。受控实验显示，低事件率下自适应分配在重建保真度和可懂度上优于固定帧率编码；匹配的文本转语音对比中，该表示取得更低WER和更高UTMOS、UTMOSv2，说话人相似度相当。

可变帧率语音编码器按内容分配词元，但基于阈值的分配让内容决定词元数，生成器在固定设置下要产出的序列长度会随语句和数据集变化。RubatoCodec在X-Codec-2上引入语句级精确事件预算与流式解码，用编码器特征和波形频谱的变化把语音切成变长事件，每个事件由离散码和显式时长表示。受控实验显示，低事件率下自适应分配在重建保真度和可懂度上优于固定帧率编码；匹配的文本转语音对比中，该表示取得更低WER和更高UTMOS、UTMOSv2，说话人相似度相当。

Ai2 发布 ToyBlocks，一个围绕机械臂与桌面方块搭建的开源仿真框架，属于其 FoundationWorlds 计划的首个受控世界。它自动生成任务与演示数据，让研究者能改变训练数据、重复实验并追踪失败原因。在真机测试中，仅用仿真数据训练的底层技能模型 ManiFlow 在仿真与真实环境中的成功率分别为 80.0% 和 81.1%，而高层规划加底层执行的组合系统在仿真中为 55.5%、真机为 50.0%。

Ai2 发布 ToyBlocks，一个围绕机械臂与桌面方块搭建的开源仿真框架，属于其 FoundationWorlds 计划的首个受控世界。它自动生成任务与演示数据，让研究者能改变训练数据、重复实验并追踪失败原因。在真机测试中，仅用仿真数据训练的底层技能模型 ManiFlow 在仿真与真实环境中的成功率分别为 80.0% 和 81.1%，而高层规划加底层执行的组合系统在仿真中为 55.5%、真机为 50.0%。

scCont把时间序列单细胞RNA数据中的细胞状态转变拆成可解释的功能转变单元：它不依赖显式时间标签或聚类先验，而是用k近邻图在表达空间中挑选正样本对做对比学习，再用Shapley归因把潜在维度映射回基因程序。在4个SERGIO模拟数据集和13个上皮-间质转化时间序列数据集上，它给出的基因模块带有统计筛选和GO富集注释；模拟数据中k=10时，每个潜在维度归因最高的100个基因里背景基因占7.0%，而随机水平为73.3%。

scCont把时间序列单细胞RNA数据中的细胞状态转变拆成可解释的功能转变单元：它不依赖显式时间标签或聚类先验，而是用k近邻图在表达空间中挑选正样本对做对比学习，再用Shapley归因把潜在维度映射回基因程序。在4个SERGIO模拟数据集和13个上皮-间质转化时间序列数据集上，它给出的基因模块带有统计筛选和GO富集注释；模拟数据中k=10时，每个潜在维度归因最高的100个基因里背景基因占7.0%，而随机水平为73.3%。

把癌细胞系的药物敏感性迁移到患者肿瘤，难点在于对齐两个数据域时容易抹掉肿瘤谱系结构。MODAE+在共享隐空间里同时优化域对齐、去混杂、药敏预测、生存预测和谱系分类，并用自适应多任务优化平衡这些目标。在可配对的TCGA治疗子集上，其预测敏感性与总生存的Cox显著率为41.5%，对照方法CODE-AE-ADV为4.9%。

把癌细胞系的药物敏感性迁移到患者肿瘤，难点在于对齐两个数据域时容易抹掉肿瘤谱系结构。MODAE+在共享隐空间里同时优化域对齐、去混杂、药敏预测、生存预测和谱系分类，并用自适应多任务优化平衡这些目标。在可配对的TCGA治疗子集上，其预测敏感性与总生存的Cox显著率为41.5%，对照方法CODE-AE-ADV为4.9%。

在免疫检查点抑制剂治疗患者的门诊病历中，识别皮肤免疫相关不良事件（cirAE）长期依赖人工逐份翻阅，耗时且不同审阅者判断不一。一项多机构研究让非皮肤科审阅者在检索增强的多智能体大语言模型辅助下判读，模型给出二分类建议并附支持性病历摘录。以皮肤科专家标注为金标准，辅助组F1为0.88、Cohen's κ为0.82，人工组分别为0.77和0.50，审阅者自报平均每份病历审阅时间由15分钟降至10分钟。

在免疫检查点抑制剂治疗患者的门诊病历中，识别皮肤免疫相关不良事件（cirAE）长期依赖人工逐份翻阅，耗时且不同审阅者判断不一。一项多机构研究让非皮肤科审阅者在检索增强的多智能体大语言模型辅助下判读，模型给出二分类建议并附支持性病历摘录。以皮肤科专家标注为金标准，辅助组F1为0.88、Cohen's κ为0.82，人工组分别为0.77和0.50，审阅者自报平均每份病历审阅时间由15分钟降至10分钟。

Drex把“做选择”从让大模型生成文本再解析答案，改成一次前向传播直接为给定选项打分。四个开源模型中最大的Drex Max在公开决策基准Decision Index 0.4.1上得67.52，对比Jev 1.14.0的60.70；加入私有测试后其分数下降不到1分。在Decision Bench v4上，Drex Max与d3-turbo、GPT-6 Sol统计上持平，比Claude Opus 5.5低1.6分，而典型请求耗时183毫秒。

Drex把“做选择”从让大模型生成文本再解析答案，改成一次前向传播直接为给定选项打分。四个开源模型中最大的Drex Max在公开决策基准Decision Index 0.4.1上得67.52，对比Jev 1.14.0的60.70；加入私有测试后其分数下降不到1分。在Decision Bench v4上，Drex Max与d3-turbo、GPT-6 Sol统计上持平，比Claude Opus 5.5低1.6分，而典型请求耗时183毫秒。

PathAI的AIM-MASH AI Assist在2025年先后获得欧洲药品管理局资格认定与美国FDA药物开发工具资格，成为MASH临床试验中可用于入组与终点评估的AI辅助病理评分工具。MASH肝活检评分长期受读片者之间和同一读片者前后不一致困扰，可能稀释入组人群并压低观察到的疗效。该工具从全切片图像预测MASH CRN分级与分期，在1400例活检上，AI辅助病理医生与共识真值的一致性与三名未辅助病理医生读片的中位数相当。

PathAI的AIM-MASH AI Assist在2025年先后获得欧洲药品管理局资格认定与美国FDA药物开发工具资格，成为MASH临床试验中可用于入组与终点评估的AI辅助病理评分工具。MASH肝活检评分长期受读片者之间和同一读片者前后不一致困扰，可能稀释入组人群并压低观察到的疗效。该工具从全切片图像预测MASH CRN分级与分期，在1400例活检上，AI辅助病理医生与共识真值的一致性与三名未辅助病理医生读片的中位数相当。

Inductive 发布 Beacon-2，把人体有效剂量作为化学优化的奖励函数，直接由分子结构端到端预测。此前 AI 药物发现多只优化效价，而效价只是剂量的一个输入。在 ExpansionRx 公开盲测的 325 个化合物上，全盲预测剂量与用实测 ADME 数据算出的剂量 Spearman 秩相关为 0.79、平均倍数误差 2.4 倍；在 20 个合作项目中平均秩相关 0.61。

Inductive 发布 Beacon-2，把人体有效剂量作为化学优化的奖励函数，直接由分子结构端到端预测。此前 AI 药物发现多只优化效价，而效价只是剂量的一个输入。在 ExpansionRx 公开盲测的 325 个化合物上，全盲预测剂量与用实测 ADME 数据算出的剂量 Spearman 秩相关为 0.79、平均倍数误差 2.4 倍；在 20 个合作项目中平均秩相关 0.61。

Claude 平台在 Claude Console 中为组织提供 IP 白名单，处于 beta 阶段。此前，一把泄露的 API 密钥可以在任意地址调用受覆盖的服务；启用白名单后，来自名单外地址的请求会被拒绝，从而限制密钥可被使用的位置。管理员可添加 IPv4、IPv6 地址或 CIDR 网段，每个组织最多 1,000 条。

Claude 平台在 Claude Console 中为组织提供 IP 白名单，处于 beta 阶段。此前，一把泄露的 API 密钥可以在任意地址调用受覆盖的服务；启用白名单后，来自名单外地址的请求会被拒绝，从而限制密钥可被使用的位置。管理员可添加 IPv4、IPv6 地址或 CIDR 网段，每个组织最多 1,000 条。

当多个预测表现相近的模型对同一个人给出不同判断时，针对其中一个模型算出的补救建议可能在另一个模型上失效。ORPM把补救问题写成在预算约束下最小化竞争模型集合上的最坏情况失效损失，并用近似最优响应预言机与乘性权重更新交替求解，理论上在损失有界、预言机全局误差受控时收敛到近似均衡。在一个合成数据集和五个真实数据集上，线性、神经网络、混合与决策树竞争集合中多数设置取得较高联合有效率；COMPAS上五棵决策树、预算为5时联合有效率为62.5%，高于RobX约束版的46.0%。

当多个预测表现相近的模型对同一个人给出不同判断时，针对其中一个模型算出的补救建议可能在另一个模型上失效。ORPM把补救问题写成在预算约束下最小化竞争模型集合上的最坏情况失效损失，并用近似最优响应预言机与乘性权重更新交替求解，理论上在损失有界、预言机全局误差受控时收敛到近似均衡。在一个合成数据集和五个真实数据集上，线性、神经网络、混合与决策树竞争集合中多数设置取得较高联合有效率；COMPAS上五棵决策树、预算为5时联合有效率为62.5%，高于RobX约束版的46.0%。

强化学习后训练中，训练与推理分置在不同 GPU 上，每步都要把最新权重从训练侧搬到推理侧，这一步叫重灌。传统做法先把完整参数聚合再广播，推理 GPU 即使只要一小片也会收到整张参数，通信量约为模型权重的两倍。NVIDIA 把重灌改写为分布式张量在两种切分布局之间的重切分，并开源参考实现 NCCL M2N Reshard；在 NeMo RL 的基准中，重灌延迟相对传统聚合广播降低 2.7 倍到 5.7 倍。

强化学习后训练中，训练与推理分置在不同 GPU 上，每步都要把最新权重从训练侧搬到推理侧，这一步叫重灌。传统做法先把完整参数聚合再广播，推理 GPU 即使只要一小片也会收到整张参数，通信量约为模型权重的两倍。NVIDIA 把重灌改写为分布式张量在两种切分布局之间的重切分，并开源参考实现 NCCL M2N Reshard；在 NeMo RL 的基准中，重灌延迟相对传统聚合广播降低 2.7 倍到 5.7 倍。

Anthropic公开了Claude所用技能系统的示例仓库，技能是包含指令、脚本和资源的文件夹，由Claude在特定任务中动态加载，以可重复的方式完成专门任务，例如按公司品牌规范生成文档、按组织的数据工作流分析数据或自动化个人任务。仓库同时以Apache 2.0开源了支撑Claude文档能力的docx、pdf、pptx、xlsx四项文档技能，作为生产级AI应用中复杂技能的参考；这些技能仅用于演示与教学，实际行为可能与仓库所示不同，需在自有环境中充分测试后再用于关键任务。

Anthropic公开了Claude所用技能系统的示例仓库，技能是包含指令、脚本和资源的文件夹，由Claude在特定任务中动态加载，以可重复的方式完成专门任务，例如按公司品牌规范生成文档、按组织的数据工作流分析数据或自动化个人任务。仓库同时以Apache 2.0开源了支撑Claude文档能力的docx、pdf、pptx、xlsx四项文档技能，作为生产级AI应用中复杂技能的参考；这些技能仅用于演示与教学，实际行为可能与仓库所示不同，需在自有环境中充分测试后再用于关键任务。

酶功能预测长期依赖同源序列检索或把酶映射到已知反应，无法给出训练数据里没有的反应。一个以酶序列与AlphaFold结构为条件、逐个代谢物生成反应的模型在反应不相交基准EnzymeMap_x上，400个采样候选内对25.0%的代谢物重组测试对给出完整正确反应，对含训练未见代谢物的测试对仅1.6%。匹配的消融显示结构通道对精确还原没有可测影响，提升主要来自词表覆盖与化学初始化。

酶功能预测长期依赖同源序列检索或把酶映射到已知反应，无法给出训练数据里没有的反应。一个以酶序列与AlphaFold结构为条件、逐个代谢物生成反应的模型在反应不相交基准EnzymeMap_x上，400个采样候选内对25.0%的代谢物重组测试对给出完整正确反应，对含训练未见代谢物的测试对仅1.6%。匹配的消融显示结构通道对精确还原没有可测影响，提升主要来自词表覆盖与化学初始化。

单细胞RNA测序在测量时破坏细胞，且只在离散时间点采样，因此同一细胞的表达谱无法被连续追踪。Latent Cell-State Model把细胞状态转移近似为马尔可夫链，并引入一个低维连续潜变量，在给定细胞状态、时间与基因的条件下生成表达计数。在胰腺发育与Waddington-OT重编程两个数据集上，该模型对留出时间点生成样本与真实样本的最大均值差异分别为0.011和0.006（胰腺第3天、第6天）以及0.030和0.018（重编程第3.5天、第4天），低于所比较的三种方法。

单细胞RNA测序在测量时破坏细胞，且只在离散时间点采样，因此同一细胞的表达谱无法被连续追踪。Latent Cell-State Model把细胞状态转移近似为马尔可夫链，并引入一个低维连续潜变量，在给定细胞状态、时间与基因的条件下生成表达计数。在胰腺发育与Waddington-OT重编程两个数据集上，该模型对留出时间点生成样本与真实样本的最大均值差异分别为0.011和0.006（胰腺第3天、第6天）以及0.030和0.018（重编程第3.5天、第4天），低于所比较的三种方法。

TypeSafe AI 的概率决策模型 Jev 现已接入 Vercel AI Gateway，应用可把状态直接交给它，取回带类型的 Choice、Score 和 Boolean 答案及概率。常规语言模型逐词生成文本，再由应用解析校验；Jev 并行评估所有已声明问题，直接返回结构化答案。TypeSafe 报告，在其工作流评测中 Jev 比 LLM 最高快 193.6 倍、便宜 444.6 倍，可用于智能体循环中的工具选择、继续或停止判断、风险打分与输出校验。

TypeSafe AI 的概率决策模型 Jev 现已接入 Vercel AI Gateway，应用可把状态直接交给它，取回带类型的 Choice、Score 和 Boolean 答案及概率。常规语言模型逐词生成文本，再由应用解析校验；Jev 并行评估所有已声明问题，直接返回结构化答案。TypeSafe 报告，在其工作流评测中 Jev 比 LLM 最高快 193.6 倍、便宜 444.6 倍，可用于智能体循环中的工具选择、继续或停止判断、风险打分与输出校验。

在 Crafter 生存环境中，固定奖励训练出的深度强化学习智能体只会按一种风格行动，而按人格分别训练又要在部署时合并多个智能体。RIDGE 用随游戏状态平滑变化的权重混合四种人格奖励，并为每个人格保留一个价值头，使单个 PPO 智能体在一局内切换玩法。四种人格条件下，一个 RIDGE 智能体同时解锁木镐与木剑，而工匠与战士基线各自只擅长其中一支；锐度消融显示状态条件化本身带来增益。

在 Crafter 生存环境中，固定奖励训练出的深度强化学习智能体只会按一种风格行动，而按人格分别训练又要在部署时合并多个智能体。RIDGE 用随游戏状态平滑变化的权重混合四种人格奖励，并为每个人格保留一个价值头，使单个 PPO 智能体在一局内切换玩法。四种人格条件下，一个 RIDGE 智能体同时解锁木镐与木剑，而工匠与战士基线各自只擅长其中一支；锐度消融显示状态条件化本身带来增益。

System One 决策模型一次前向就给出答案，但答案会随选项排列顺序改变，且概率里混有对答案标签的先验偏好。IJev 从与输入顺序无关的排序出发，反复用去先验的循环平均分布重排选项，再对每一轮分布取平均，而不是返回最后一轮。在五个基准、五个模型上，每个组合的翻转率都是零；默认的均匀轮平均在 25 个组合中有 24 个降低了负对数似然，准确率与单次循环平均相当。

System One 决策模型一次前向就给出答案，但答案会随选项排列顺序改变，且概率里混有对答案标签的先验偏好。IJev 从与输入顺序无关的排序出发，反复用去先验的循环平均分布重排选项，再对每一轮分布取平均，而不是返回最后一轮。在五个基准、五个模型上，每个组合的翻转率都是零；默认的均匀轮平均在 25 个组合中有 24 个降低了负对数似然，准确率与单次循环平均相当。

Asimov宣布与Sidewinder Therapeutics达成细胞系开发合作，为后者用于实体瘤的四链双特异性抗体候选物交付细胞系。该分子属于结构复杂、表达困难的类型，此前需要同时满足表达水平与产品质量要求。Asimov使用CHO Edge系统完成定制开发，该系统整合GS敲除CHO宿主、高活性转座酶、遗传元件库与AI驱动的遗传设计软件Kernel；在平台补料分批工艺中，该细胞系实现超过10 g/L的克隆滴度。

Asimov宣布与Sidewinder Therapeutics达成细胞系开发合作，为后者用于实体瘤的四链双特异性抗体候选物交付细胞系。该分子属于结构复杂、表达困难的类型，此前需要同时满足表达水平与产品质量要求。Asimov使用CHO Edge系统完成定制开发，该系统整合GS敲除CHO宿主、高活性转座酶、遗传元件库与AI驱动的遗传设计软件Kernel；在平台补料分批工艺中，该细胞系实现超过10 g/L的克隆滴度。

Anthropic公开征集生命科学领域的访问研究员，邀请学术机构、非营利组织和政府实验室的首席研究员及其团队，在8到12周内与Anthropic研究人员直接合作，用Claude研究因果人类生物学、结构与计算分子生物学、药物化学、药物发现和临床科学中的问题。Anthropic承担模型与运行框架的费用，双方共同发表成果并开源配套数据与代码，访问研究员在项目全程保留数据权利。申请窗口约14天，入选者预计在截止后约14天收到邮件通知。

Anthropic公开征集生命科学领域的访问研究员，邀请学术机构、非营利组织和政府实验室的首席研究员及其团队，在8到12周内与Anthropic研究人员直接合作，用Claude研究因果人类生物学、结构与计算分子生物学、药物化学、药物发现和临床科学中的问题。Anthropic承担模型与运行框架的费用，双方共同发表成果并开源配套数据与代码，访问研究员在项目全程保留数据权利。申请窗口约14天，入选者预计在截止后约14天收到邮件通知。

临时组队的胜负往往在开打前就已有线索，但单个选手的评分无法说明他是否适合当前角色，也无法说明五个人的分工是否互补。研究把这两件事放进同一个深度学习模型：先用选手此前的对局记录判断他与当前英雄、位置的匹配程度，再把双方十名选手的阵容作为整体比较。在按全局时间顺序划分的验证集上，该模型赛前预测准确率为61.33%，高于所比较的TrueSkill、CatBoost、GRU和DraftRec。

临时组队的胜负往往在开打前就已有线索，但单个选手的评分无法说明他是否适合当前角色，也无法说明五个人的分工是否互补。研究把这两件事放进同一个深度学习模型：先用选手此前的对局记录判断他与当前英雄、位置的匹配程度，再把双方十名选手的阵容作为整体比较。在按全局时间顺序划分的验证集上，该模型赛前预测准确率为61.33%，高于所比较的TrueSkill、CatBoost、GRU和DraftRec。

Fireworks 把量化感知微调接入 FireOptimizer，让 DeepSeek R1 与 V3 这类原生按 FP8 服务的开源模型可以按具体用例定制。此前用 LoRA 微调后合并权重再以 FP8 部署会明显掉精度，而 6710 亿参数的基座在 FP8 下已占 671 GB 显存，超过 H100 主机常见的 640 GB。做法是在前向传播中对合并权重和激活做“伪量化”，让 LoRA 梯度保持 bfloat16、合并权重按 FP8 数值走；在 1.5 万条训练、5000 条评估的法国葡萄酒评论分类任务上，QAT 微调优于朴素 FP8 LoRA 微调。

Fireworks 把量化感知微调接入 FireOptimizer，让 DeepSeek R1 与 V3 这类原生按 FP8 服务的开源模型可以按具体用例定制。此前用 LoRA 微调后合并权重再以 FP8 部署会明显掉精度，而 6710 亿参数的基座在 FP8 下已占 671 GB 显存，超过 H100 主机常见的 640 GB。做法是在前向传播中对合并权重和激活做“伪量化”，让 LoRA 梯度保持 bfloat16、合并权重按 FP8 数值走；在 1.5 万条训练、5000 条评估的法国葡萄酒评论分类任务上，QAT 微调优于朴素 FP8 LoRA 微调。

Vercel 在 AI Gateway 上以 stealth/pixel-canary 标识开放 Pixel Canary，隐身期内限时免费。该模型擅长编码，包括构建应用与重构已有代码，也适用于前端开发和移动应用设计。在 Next.js 评测的基线设置下，它与 GPT 6 Astra（high）同为 90.3% 成功率，31 项任务通过 28 项；通过 AGENTS.md 提供 Next.js 文档后通过 30 项（96.8%），与该设置下排行榜最高分持平。评测采用 pass@4，即最多四次尝试中有一次成功即算通过。

Vercel 在 AI Gateway 上以 stealth/pixel-canary 标识开放 Pixel Canary，隐身期内限时免费。该模型擅长编码，包括构建应用与重构已有代码，也适用于前端开发和移动应用设计。在 Next.js 评测的基线设置下，它与 GPT 6 Astra（high）同为 90.3% 成功率，31 项任务通过 28 项；通过 AGENTS.md 提供 Next.js 文档后通过 30 项（96.8%），与该设置下排行榜最高分持平。评测采用 pass@4，即最多四次尝试中有一次成功即算通过。

Vercel与微软AI（MAI）合作，把MAI的语音模型接入AI Gateway，使这一平台成为少数可直接调用MAI模型的渠道之一。接入的是三个音频模型：MAI-Voice-2.1用23种语言生成富有表现力的语音并在较长段落中保持同一说话人，MAI-Voice-2.1-Flash面向低延迟交互，MAI-Transcribe-2 Streaming在音频到达时返回部分转写。AI Gateway按模型标价计费，对推理不收平台费或加价。

Vercel与微软AI（MAI）合作，把MAI的语音模型接入AI Gateway，使这一平台成为少数可直接调用MAI模型的渠道之一。接入的是三个音频模型：MAI-Voice-2.1用23种语言生成富有表现力的语音并在较长段落中保持同一说话人，MAI-Voice-2.1-Flash面向低延迟交互，MAI-Transcribe-2 Streaming在音频到达时返回部分转写。AI Gateway按模型标价计费，对推理不收平台费或加价。

Fireworks宣布扩大与NVIDIA的合作，在欧洲部署基于NVIDIA Vera Rubin与Grace Blackwell平台的算力，并计划使用NVIDIA DSX AI工厂平台和Spectrum-X以太网，新增算力从2027年起支持欧洲部署。公司同时公布面向企业推理负载的能力：在NVIDIA Blackwell平台上公开预览的Ultrafast推理，推理速度超过每秒1500个token；面向长时间运行智能体的多日提示缓存与后台模式；以及更高的速率上限和亚分钟级冷启动。这些能力针对的是智能体单次任务中反复调用模型、共享大量上下文所带来的延迟与成本。

Fireworks宣布扩大与NVIDIA的合作，在欧洲部署基于NVIDIA Vera Rubin与Grace Blackwell平台的算力，并计划使用NVIDIA DSX AI工厂平台和Spectrum-X以太网，新增算力从2027年起支持欧洲部署。公司同时公布面向企业推理负载的能力：在NVIDIA Blackwell平台上公开预览的Ultrafast推理，推理速度超过每秒1500个token；面向长时间运行智能体的多日提示缓存与后台模式；以及更高的速率上限和亚分钟级冷启动。这些能力针对的是智能体单次任务中反复调用模型、共享大量上下文所带来的延迟与成本。

Elicit把Library升级为共享研究枢纽，让研究人员与AI智能体从同一批证据出发工作。此前，支撑决策的论文散落在个人文献管理器、旧检索记录和项目文件里，新同事往往只看到最终成果而看不到证据。现在，团队可以共建共享文献集，把文献集关联到项目，并让Research Agent在个人与共享文献集中检索、引用来源，还能把新找到的论文直接存入指定文献集。

Elicit把Library升级为共享研究枢纽，让研究人员与AI智能体从同一批证据出发工作。此前，支撑决策的论文散落在个人文献管理器、旧检索记录和项目文件里，新同事往往只看到最终成果而看不到证据。现在，团队可以共建共享文献集，把文献集关联到项目，并让Research Agent在个人与共享文献集中检索、引用来源，还能把新找到的论文直接存入指定文献集。

Vercel 的 AI Gateway 现在提供 DeepSeek Search 与 DeepSeek Fetch 两个工具：前者返回相关页面的标题、URL 和摘要，后者把页面内容取回为 Markdown 供模型阅读。两者可用于任何支持工具调用的模型，只需一把 AI Gateway API 密钥，不需要单独的 DeepSeek 账号，切换模型供应商时工具保持不变。搜索与抓取各按每 1000 次计费请求 0.75 美元收费，失败、超时和空结果不计工具费，模型 token 另行计费。

Vercel 的 AI Gateway 现在提供 DeepSeek Search 与 DeepSeek Fetch 两个工具：前者返回相关页面的标题、URL 和摘要，后者把页面内容取回为 Markdown 供模型阅读。两者可用于任何支持工具调用的模型，只需一把 AI Gateway API 密钥，不需要单独的 DeepSeek 账号，切换模型供应商时工具保持不变。搜索与抓取各按每 1000 次计费请求 0.75 美元收费，失败、超时和空结果不计工具费，模型 token 另行计费。