AI 与科学前沿 · 2026-11-11

Embodied First Exam 把通用编码智能体接到47台仿真机器人上，允许它们自己选择直接控制、写程序控制或训练策略，并在贴近真机的标准设置里只给传感器观测、默认不许重置。八种智能体中，GPT-6 Astra 在 Codex 里于456项核心任务的标准测试上解出34%，同一批391项任务在可读全部仿真状态、可无限重置的特权设置下则达到77%。考试还按阶段标注失败位置，用来比较不同设置、不同智能体在哪里出错。

Embodied First Exam 把通用编码智能体接到47台仿真机器人上，允许它们自己选择直接控制、写程序控制或训练策略，并在贴近真机的标准设置里只给传感器观测、默认不许重置。八种智能体中，GPT-6 Astra 在 Codex 里于456项核心任务的标准测试上解出34%，同一批391项任务在可读全部仿真状态、可无限重置的特权设置下则达到77%。考试还按阶段标注失败位置，用来比较不同设置、不同智能体在哪里出错。

大模型训练语料常覆盖公开基准，评估者难以再假定测试集是全新的。该工作在不假设测试集未参与训练、也不约束模型或训练算法的条件下形式化了“可评估性”，证明仅凭测试集上的模型输出做准确评估，当且仅当数据分布接近小支撑集时可行，并给出紧到对数因子的样本复杂度上下界；若允许额外查询模型，借助程序测试中的自纠正器可扩大可评估的分布范围。

大模型训练语料常覆盖公开基准，评估者难以再假定测试集是全新的。该工作在不假设测试集未参与训练、也不约束模型或训练算法的条件下形式化了“可评估性”，证明仅凭测试集上的模型输出做准确评估，当且仅当数据分布接近小支撑集时可行，并给出紧到对数因子的样本复杂度上下界；若允许额外查询模型，借助程序测试中的自纠正器可扩大可评估的分布范围。

奖励引导扩散采样在采样时用价值函数的梯度把生成结果推向奖励模型偏好的图像或动作，但一步去噪估计和学到的价值模型这两类梯度估计在高噪声、也就是样本粗结构被决定的阶段最不准。VaLoP把价值评估挪到采样器前进一步、不确定性更小的前瞻状态，再用一次向量-雅可比积把梯度拉回当前状态；在SD3.5-Medium、SD3.5-Large和FLUX.1-dev三种生成器、三种奖励上，VaLoP与摊销版VaLoP-Fast的目标奖励都稳定高于StitchVM和DPS，VaLoP-Fast在LIBERO与RoboCasa上取得最高成功率。

奖励引导扩散采样在采样时用价值函数的梯度把生成结果推向奖励模型偏好的图像或动作，但一步去噪估计和学到的价值模型这两类梯度估计在高噪声、也就是样本粗结构被决定的阶段最不准。VaLoP把价值评估挪到采样器前进一步、不确定性更小的前瞻状态，再用一次向量-雅可比积把梯度拉回当前状态；在SD3.5-Medium、SD3.5-Large和FLUX.1-dev三种生成器、三种奖励上，VaLoP与摊销版VaLoP-Fast的目标奖励都稳定高于StitchVM和DPS，VaLoP-Fast在LIBERO与RoboCasa上取得最高成功率。

分子光化学需要整条基态与激发态势能面，但逐点求解电子薛定谔方程代价高昂，廉价单参考方法又在锥形交叉处失效。可迁移深度量子蒙特卡洛让一个神经网络波函数在多个分子构型与多个电子态上联合优化，并共享参数、按每个构型的能量动态排序电子态。在乙烯、碳二聚体、亚甲亚胺阳离子和含96个电子的红氧还蛋白活性位点模型上，它给出与专门量子化学参考一致的势能面，相对单点计算最高约两个数量级的成本下降。

分子光化学需要整条基态与激发态势能面，但逐点求解电子薛定谔方程代价高昂，廉价单参考方法又在锥形交叉处失效。可迁移深度量子蒙特卡洛让一个神经网络波函数在多个分子构型与多个电子态上联合优化，并共享参数、按每个构型的能量动态排序电子态。在乙烯、碳二聚体、亚甲亚胺阳离子和含96个电子的红氧还蛋白活性位点模型上，它给出与专门量子化学参考一致的势能面，相对单点计算最高约两个数量级的成本下降。

相机移动或控制器更换后，同一条指令会让机器人朝不同方向、以不同幅度运动，而冻结的世界模型仍按训练时的指令约定规划，于是规划全落在错误的动作坐标系里。Library of Hands（LoH）不训练、不改动世界模型，只用冻结的预测器从相邻两帧图像反推实际执行的动作，据此估计“指令到实际动作”的映射，并把识别过的映射存入库中以便复用。在闭环测试中，当“手”变化并反复出现时，LoH 把冻结规划器的成功率从 28.6% 提高到 62.3%，而在手不变时只损失 0.6 个百分点。

相机移动或控制器更换后，同一条指令会让机器人朝不同方向、以不同幅度运动，而冻结的世界模型仍按训练时的指令约定规划，于是规划全落在错误的动作坐标系里。Library of Hands（LoH）不训练、不改动世界模型，只用冻结的预测器从相邻两帧图像反推实际执行的动作，据此估计“指令到实际动作”的映射，并把识别过的映射存入库中以便复用。在闭环测试中，当“手”变化并反复出现时，LoH 把冻结规划器的成功率从 28.6% 提高到 62.3%，而在手不变时只损失 0.6 个百分点。

递归自我改进此前只在后训练上跑通，因为那里每次试验只花GPU小时、还能拿到可验证分数；前沿预训练一次就要数十万GPU小时、无法重跑，目标也不是单一分数。上海创智学院与Xinxu AI的新团队把预训练拆成可闭合的小回路，用智能体做调试、用tiny-SFT等指标估计后训练余量、把数据流程改成可量化任务，三个月从零训练出30B-A3B的801基础模型。在13项基础评测上它平均73.13分，仅次于更大的Qwen3.5-35B-A3B的76.67分。

递归自我改进此前只在后训练上跑通，因为那里每次试验只花GPU小时、还能拿到可验证分数；前沿预训练一次就要数十万GPU小时、无法重跑，目标也不是单一分数。上海创智学院与Xinxu AI的新团队把预训练拆成可闭合的小回路，用智能体做调试、用tiny-SFT等指标估计后训练余量、把数据流程改成可量化任务，三个月从零训练出30B-A3B的801基础模型。在13项基础评测上它平均73.13分，仅次于更大的Qwen3.5-35B-A3B的76.67分。

面向编码、数学与计算机操作类智能体负载，Evolving Infra 把预填充与解码的算力分配同 KV 缓存管理解耦：节点不再重启即可在两种阶段间切换，KV 留在所有节点可读的共享池中。在最多 256 块 GB300 GPU 上，其平均端到端时延与 P95 首字时延相对 NVIDIA Dynamo 最多降低 4.1 倍和 14 倍，平均一次阶段切换耗时 6.2 秒，而 Dynamo 重启需 754 秒。

面向编码、数学与计算机操作类智能体负载，Evolving Infra 把预填充与解码的算力分配同 KV 缓存管理解耦：节点不再重启即可在两种阶段间切换，KV 留在所有节点可读的共享池中。在最多 256 块 GB300 GPU 上，其平均端到端时延与 P95 首字时延相对 NVIDIA Dynamo 最多降低 4.1 倍和 14 倍，平均一次阶段切换耗时 6.2 秒，而 Dynamo 重启需 754 秒。

非弹性异质材料的宏观本构同时依赖加载历史与微观结构，计算均匀化要在每个宏观积分点反复求解单胞问题。针对Kelvin–Voigt黏弹性，一种以微观结构为输入的循环神经算子模型被证明能在时间上一致地逼近均匀化本构律，所需内变量维数随相对应力误差的倒数与各材料反差呈对数增长。晶体塑性的数值实验显示，内变量维数增大时精度先升后进入平台。

非弹性异质材料的宏观本构同时依赖加载历史与微观结构，计算均匀化要在每个宏观积分点反复求解单胞问题。针对Kelvin–Voigt黏弹性，一种以微观结构为输入的循环神经算子模型被证明能在时间上一致地逼近均匀化本构律，所需内变量维数随相对应力误差的倒数与各材料反差呈对数增长。晶体塑性的数值实验显示，内变量维数增大时精度先升后进入平台。

遥感模型长期由专家为每个新任务手工设计训练方案并对着基准调参。RSI4EO把任务写成两部分：限定智能体可用数据、预训练权重与算力的harness，以及只返回分数的密封verifier；通用编码智能体据此自行写代码、训练并递归改进模型。在光学、SAR、多光谱时序等四个有公开结果的基准上，智能体建出的模型都超过已发表最好结果，且用约1%的训练标签仍保留大部分精度。

遥感模型长期由专家为每个新任务手工设计训练方案并对着基准调参。RSI4EO把任务写成两部分：限定智能体可用数据、预训练权重与算力的harness，以及只返回分数的密封verifier；通用编码智能体据此自行写代码、训练并递归改进模型。在光学、SAR、多光谱时序等四个有公开结果的基准上，智能体建出的模型都超过已发表最好结果，且用约1%的训练标签仍保留大部分精度。

对称蛋白复合物的生成此前要在整条组装体上做前向计算，高阶对称的时间与显存开销随组装体规模增长，而对称结构训练数据又稀少。ZeUS 把对称组装体的生成改写为在商空间中对单个规范亚基采样，用幻影子单元保留模型内部运算，无需重训即可把任意 SE(3) 等变骨架生成模型变成对称组装体生成器。在 FrameDiff、FoldFlow 与 RFdiffusion 上，其设计质量与全复合物推理相当，前向计算的时间和显存按对称群阶数下降，并在单张 A100 上生成超过 10000 残基的对称复合物。

对称蛋白复合物的生成此前要在整条组装体上做前向计算，高阶对称的时间与显存开销随组装体规模增长，而对称结构训练数据又稀少。ZeUS 把对称组装体的生成改写为在商空间中对单个规范亚基采样，用幻影子单元保留模型内部运算，无需重训即可把任意 SE(3) 等变骨架生成模型变成对称组装体生成器。在 FrameDiff、FoldFlow 与 RFdiffusion 上，其设计质量与全复合物推理相当，前向计算的时间和显存按对称群阶数下降，并在单张 A100 上生成超过 10000 残基的对称复合物。

激发态能量不像基态能量那样可以写成原子贡献之和，因此把多个态直接汇总输出的机器学习势，在分子变大或两个分子同时出现时会偏离。LEH-MACE 改为由每个原子的对角块和原子对之间的耦合块拼成一个对称矩阵，取其特征值作为单重激发能，使相距超过截断的两个分子的谱精确等于各自谱的并集。在约30.3万个几何、10.7万个分子的TD-DFT数据上，这种构造在远离训练分布时优势扩大，对分子对只有它保持了单分子精度。

激发态能量不像基态能量那样可以写成原子贡献之和，因此把多个态直接汇总输出的机器学习势，在分子变大或两个分子同时出现时会偏离。LEH-MACE 改为由每个原子的对角块和原子对之间的耦合块拼成一个对称矩阵，取其特征值作为单重激发能，使相距超过截断的两个分子的谱精确等于各自谱的并集。在约30.3万个几何、10.7万个分子的TD-DFT数据上，这种构造在远离训练分布时优势扩大，对分子对只有它保持了单分子精度。

交错式多模态推理让模型在文字之间插入连续视觉隐状态块，但直接扰动实验显示，删掉、替换或打乱这些块几乎不影响模型自己给出答案的概率，而对文字推理段做同样扰动则明显更伤。作者把这种“看起来在脑内模拟、实际靠文字作答”的现象称为心智模拟塌缩，并提出AnchorSim：训练时对比有视觉通路与遮蔽视觉通路的两次预测，迫使隐状态承载答案相关信息。以Qwen2.5-VL-7B为基座，AnchorSim-7B在九个视觉推理基准上平均得分62.4，比基座高13.5分，且视觉扰动重新变得有影响。

交错式多模态推理让模型在文字之间插入连续视觉隐状态块，但直接扰动实验显示，删掉、替换或打乱这些块几乎不影响模型自己给出答案的概率，而对文字推理段做同样扰动则明显更伤。作者把这种“看起来在脑内模拟、实际靠文字作答”的现象称为心智模拟塌缩，并提出AnchorSim：训练时对比有视觉通路与遮蔽视觉通路的两次预测，迫使隐状态承载答案相关信息。以Qwen2.5-VL-7B为基座，AnchorSim-7B在九个视觉推理基准上平均得分62.4，比基座高13.5分，且视觉扰动重新变得有影响。

Meta 推出 Triton 低层扩展 TLX，在保留 Triton 编程模型的前提下，让工程师显式编排 warp 组、异步数据搬运与集群执行。现代 GPU 的 warp 特化、张量内存和集群执行能力此前要么藏在编译器抽象之后，要么需要大量架构专用 CUDA 代码。TLX 已在 Meta 的推荐系统训练、推荐系统推理和大规模 LLM 预训练中投入生产，其中 GEM 训练在数千块 NVIDIA Blackwell GPU 上达到 20-25% 端到端 MFU。

Meta 推出 Triton 低层扩展 TLX，在保留 Triton 编程模型的前提下，让工程师显式编排 warp 组、异步数据搬运与集群执行。现代 GPU 的 warp 特化、张量内存和集群执行能力此前要么藏在编译器抽象之后，要么需要大量架构专用 CUDA 代码。TLX 已在 Meta 的推荐系统训练、推荐系统推理和大规模 LLM 预训练中投入生产，其中 GEM 训练在数千块 NVIDIA Blackwell GPU 上达到 20-25% 端到端 MFU。

Anthropic 让 1000 个运行 Claude Fable 5.2 早期版本的智能体，在没有 Prove2Me 平台、也没有研究员指挥的条件下，仅凭 Git 和共享 SQL 数据库重做了费马大定理的形式化证明。团队用 28.7 小时完成，输出词元约为此前由研究员加数十个智能体、耗时 11 天完成的那次形式化的三分之一，写出的证明长度约为原来的七分之一。这是一次玩具实验，作者称它说明此类智能体团队能在精心设计的安全边界内完成长周期目标。

Anthropic 让 1000 个运行 Claude Fable 5.2 早期版本的智能体，在没有 Prove2Me 平台、也没有研究员指挥的条件下，仅凭 Git 和共享 SQL 数据库重做了费马大定理的形式化证明。团队用 28.7 小时完成，输出词元约为此前由研究员加数十个智能体、耗时 11 天完成的那次形式化的三分之一，写出的证明长度约为原来的七分之一。这是一次玩具实验，作者称它说明此类智能体团队能在精心设计的安全边界内完成长周期目标。

语言模型智能体各自守规矩，合起来却可能靠一批单独无害的消息促成违规。集体依赖分析（CDA）用删除与保留消息来度量每条消息的必要性和充分性，在受控对话中把违规率从93%降到6%，在智能体自行生成的运维对话中从98%降到9%。它同时给出解释和最小干预集，但联合依赖组难以完整还原，删除也可能误伤正确决策。

语言模型智能体各自守规矩，合起来却可能靠一批单独无害的消息促成违规。集体依赖分析（CDA）用删除与保留消息来度量每条消息的必要性和充分性，在受控对话中把违规率从93%降到6%，在智能体自行生成的运维对话中从98%降到9%。它同时给出解释和最小干预集，但联合依赖组难以完整还原，删除也可能误伤正确决策。

共享前缀缓存让命中请求的首 token 时间明显短于未命中，攻击者据此反复试探即可逐字猜出他人提示词。Mirage 不再按内容隔离缓存，而是在网关侧统计同一敏感前缀下新出现的候选分支数量，超过预算后把整条输出流整体后移，使命中看起来像一次自然的缓存未命中。在 SGLang 上对 Qwen、Llama、DeepSeek 三个模型、三种计时攻击的测试中，攻击成功率降到接近随机猜测，公开前缀的中位首 token 延迟基本不变。

共享前缀缓存让命中请求的首 token 时间明显短于未命中，攻击者据此反复试探即可逐字猜出他人提示词。Mirage 不再按内容隔离缓存，而是在网关侧统计同一敏感前缀下新出现的候选分支数量，超过预算后把整条输出流整体后移，使命中看起来像一次自然的缓存未命中。在 SGLang 上对 Qwen、Llama、DeepSeek 三个模型、三种计时攻击的测试中，攻击成功率降到接近随机猜测，公开前缀的中位首 token 延迟基本不变。

语言模型在后续微调中可能重新出现已被压制的错误行为，而常规后处理能否压住、能压多久此前缺少统一比较。PEARL在GRPO的在线采样之外，加入从已缓存的不良轨迹中间状态续写的对抗前缀，让策略练习从半错状态恢复。在Qwen3-4B与GPT-OSS-20B两类模型、窄触发与宽触发两类实验模型上，PEARL即时压制较强并保住任务准确率，在宽触发设定和GPT-OSS-20B上收益最明显；窄触发加Qwen3-4B时，大量定向重训下SFT更耐久。

语言模型在后续微调中可能重新出现已被压制的错误行为，而常规后处理能否压住、能压多久此前缺少统一比较。PEARL在GRPO的在线采样之外，加入从已缓存的不良轨迹中间状态续写的对抗前缀，让策略练习从半错状态恢复。在Qwen3-4B与GPT-OSS-20B两类模型、窄触发与宽触发两类实验模型上，PEARL即时压制较强并保住任务准确率，在宽触发设定和GPT-OSS-20B上收益最明显；窄触发加Qwen3-4B时，大量定向重训下SFT更耐久。

酶工程长期依赖定向进化，单点突变中只有不到 5% 有益，却要筛选成千上万个变体。REXzyme 把酶设计改写成一个翻译任务：编码器读入以 SMILES 书写的反应，解码器逐字生成氨基酸序列，模型在约 2100 万对反应—酶序列上训练。针对甲酸脱氢酶催化二氧化碳还原这一逆向反应，经家族特异微调和强化学习对齐后生成的 20 个设计全部可溶表达并具还原活性，其中 C20 的比活达到 80.8 mU/mg，为野生型 CtFDH 的 2.5 倍。

酶工程长期依赖定向进化，单点突变中只有不到 5% 有益，却要筛选成千上万个变体。REXzyme 把酶设计改写成一个翻译任务：编码器读入以 SMILES 书写的反应，解码器逐字生成氨基酸序列，模型在约 2100 万对反应—酶序列上训练。针对甲酸脱氢酶催化二氧化碳还原这一逆向反应，经家族特异微调和强化学习对齐后生成的 20 个设计全部可溶表达并具还原活性，其中 C20 的比活达到 80.8 mU/mg，为野生型 CtFDH 的 2.5 倍。

人形机器人要完成“坐下”“走到指定物体”这类任务，需要把像素和自然语言映射到全身关节指令，而这类配对数据此前只能靠遥操作或穿戴设备逐条录制，一小时数据至少耗一小时人力。HALO把数据生成搬进仿真：在一千个程序化生成的住宅里合成第一人称视觉—语言—动作数据，再用分层系统把自由语言请求拆成子任务、生成五秒全身运动计划并由感知跟踪器执行。训练中从未见过真实住宅，系统零样本迁移到六个未扫描、未建图的真实家庭，360次试验成功率91%。

人形机器人要完成“坐下”“走到指定物体”这类任务，需要把像素和自然语言映射到全身关节指令，而这类配对数据此前只能靠遥操作或穿戴设备逐条录制，一小时数据至少耗一小时人力。HALO把数据生成搬进仿真：在一千个程序化生成的住宅里合成第一人称视觉—语言—动作数据，再用分层系统把自由语言请求拆成子任务、生成五秒全身运动计划并由感知跟踪器执行。训练中从未见过真实住宅，系统零样本迁移到六个未扫描、未建图的真实家庭，360次试验成功率91%。

少步扩散蒸馏长期依赖学生分数估计，而中间步骤的分数难以准确跟踪，估计出的分布可能与更新学生所用的分布不一致。VA-TDM把监督对象换成由学生采样过程构造的速度场，用学习到的评论器比较学生与教师速度场并把分歧转化为生成器反馈，同时统一了分数蒸馏、Fisher匹配与矩匹配。在SD3.5-Medium四步生成上，GenEval从TDM的0.61升到0.67；在33B的MiniMax-H3上，同预算4-NFE下人类偏好对比中胜Fast-H3的比例为61.33%，对100-NFE教师的偏好率为45.53%，Fast-H3为24.67%。

少步扩散蒸馏长期依赖学生分数估计，而中间步骤的分数难以准确跟踪，估计出的分布可能与更新学生所用的分布不一致。VA-TDM把监督对象换成由学生采样过程构造的速度场，用学习到的评论器比较学生与教师速度场并把分歧转化为生成器反馈，同时统一了分数蒸馏、Fisher匹配与矩匹配。在SD3.5-Medium四步生成上，GenEval从TDM的0.61升到0.67；在33B的MiniMax-H3上，同预算4-NFE下人类偏好对比中胜Fast-H3的比例为61.33%，对100-NFE教师的偏好率为45.53%，Fast-H3为24.67%。

化学文献中的反应图常把多个实验画在同一张模板、取代基表和产物网格里，要还原成一条条具体反应记录，此前主要靠人工转录。RxnMiner把专家提取流程与化学工具箱组合成一个多模态智能体，先识别结构、再把证据绑定到每个实验条目、最后由确定性的R基团引擎实例化未画出的反应物。在603张反应图、8547条人工标注记录的ChemRxn-Bench上，以Qwen3.8-Flash-Next为骨干，其立体感知反应宏F1达到71.0%，直接预测为21.0%，最强现有提取系统为25.0%。

化学文献中的反应图常把多个实验画在同一张模板、取代基表和产物网格里，要还原成一条条具体反应记录，此前主要靠人工转录。RxnMiner把专家提取流程与化学工具箱组合成一个多模态智能体，先识别结构、再把证据绑定到每个实验条目、最后由确定性的R基团引擎实例化未画出的反应物。在603张反应图、8547条人工标注记录的ChemRxn-Bench上，以Qwen3.8-Flash-Next为骨干，其立体感知反应宏F1达到71.0%，直接预测为21.0%，最强现有提取系统为25.0%。

北京大学与英伟达的 DataFarm 让编码智能体接手遥操作员的工作：只给一次标定片段和一条数据请求，智能体就在仿真里重建场景、写出专家控制器与成功判定，再由以真实图像为条件的视频模型渲染出带动作标签的多视角视频。在五项双臂真机任务上，只用农场数据训练的策略在原始场景取得100次试验93次成功，与同等数量遥操作数据的84次相当；在训练集未出现的桌布与彩色灯光下保持87次，遥操作策略降到46次。

北京大学与英伟达的 DataFarm 让编码智能体接手遥操作员的工作：只给一次标定片段和一条数据请求，智能体就在仿真里重建场景、写出专家控制器与成功判定，再由以真实图像为条件的视频模型渲染出带动作标签的多视角视频。在五项双臂真机任务上，只用农场数据训练的策略在原始场景取得100次试验93次成功，与同等数量遥操作数据的84次相当；在训练集未出现的桌布与彩色灯光下保持87次，遥操作策略降到46次。

AMD为CDNA 4架构推出免训练的Fused-Softmax Attention，把softmax中占主导的向量运算折叠进注意力的矩阵乘法，让低精度矩阵吞吐真正被用上。在MI355X上，MXFP8、MXFP6、MXFP4内核分别达到约3.0、4.0、4.6 PFLOP/s，而新增误差仍低于量化GEMM操作数本身带来的误差下限。在Wan2.2-T2V-A14B上，MXFP6/4混合调度在保持画面质量的同时带来端到端最高加速，内核已随AMD开源AITER库发布。

AMD为CDNA 4架构推出免训练的Fused-Softmax Attention，把softmax中占主导的向量运算折叠进注意力的矩阵乘法，让低精度矩阵吞吐真正被用上。在MI355X上，MXFP8、MXFP6、MXFP4内核分别达到约3.0、4.0、4.6 PFLOP/s，而新增误差仍低于量化GEMM操作数本身带来的误差下限。在Wan2.2-T2V-A14B上，MXFP6/4混合调度在保持画面质量的同时带来端到端最高加速，内核已随AMD开源AITER库发布。

MaskNGly把蛋白语言模型嵌入当作可读的共进化信号来源，用遮罩-探测的方式直接判断N-X-S/T序列子是否会被N-糖基化，不依赖标注数据训练。在N-GlyDE测试集上，它的AUC为0.940、MCC为0.808，与已发表的监督式神经网络预测器相当；在独立糖蛋白组数据中，111个此前未报道的位点有106个得分超过0.5阈值。

MaskNGly把蛋白语言模型嵌入当作可读的共进化信号来源，用遮罩-探测的方式直接判断N-X-S/T序列子是否会被N-糖基化，不依赖标注数据训练。在N-GlyDE测试集上，它的AUC为0.940、MCC为0.808，与已发表的监督式神经网络预测器相当；在独立糖蛋白组数据中，111个此前未报道的位点有106个得分超过0.5阈值。

连续扩散语言模型并行生成整句，中间不逐词抽样，代价是词表长尾塌缩：ELF在常见词上几乎与人类文本持平，最稀有词却只到人类速率的一小部分，且从1.05亿到6.52亿参数、各种采样器设置都补不回来。GRAFT在推理阶段读取解码头，把即将被平均值淹没的稀有词固定下来，再从噪声重新生成，在三个ELF规模和独立实现的LangFlow上把稀有词份额从人类速率的0.42–0.77倍提高到0.82–1.25倍，代价是非词比例在部分模型上小幅上升。

连续扩散语言模型并行生成整句，中间不逐词抽样，代价是词表长尾塌缩：ELF在常见词上几乎与人类文本持平，最稀有词却只到人类速率的一小部分，且从1.05亿到6.52亿参数、各种采样器设置都补不回来。GRAFT在推理阶段读取解码头，把即将被平均值淹没的稀有词固定下来，再从噪声重新生成，在三个ELF规模和独立实现的LangFlow上把稀有词份额从人类速率的0.42–0.77倍提高到0.82–1.25倍，代价是非词比例在部分模型上小幅上升。

谷歌发布 Gemini 4 Carbon，面向开发者、企业、科研人员和消费者开放，主打长程智能体工作流与网络安全能力。在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 三项独立基准上，Carbon 排名第一，且单任务成本比次优外部模型低两倍以上。API 定价与 Gemini 4 Argon 相同，为每百万输入 token 2 美元、每百万输出 token 10 美元。

谷歌发布 Gemini 4 Carbon，面向开发者、企业、科研人员和消费者开放，主打长程智能体工作流与网络安全能力。在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 三项独立基准上，Carbon 排名第一，且单任务成本比次优外部模型低两倍以上。API 定价与 Gemini 4 Argon 相同，为每百万输入 token 2 美元、每百万输出 token 10 美元。

KC-maps 把随机微分方程的有限时间转移核直接学成一个神经网络映射，训练时只需要互不相关的边缘样本和已知的漂移、扩散系数，不需要成对的模拟轨迹。它把边界条件写进网络结构，并用 Kolmogorov–Chapman 方程构造训练目标，使不同时间尺度上拼接的转移在分布上保持一致。在丙氨酸二肽、四肽和六肽上，它用单次学习到的转移替代最多 70 fs 的序列积分，在相同 GPU 小时预算下取得更低的 TICA-2 距离，并在 AL6 上覆盖到训练数据中缺失的构象模式。

KC-maps 把随机微分方程的有限时间转移核直接学成一个神经网络映射，训练时只需要互不相关的边缘样本和已知的漂移、扩散系数，不需要成对的模拟轨迹。它把边界条件写进网络结构，并用 Kolmogorov–Chapman 方程构造训练目标，使不同时间尺度上拼接的转移在分布上保持一致。在丙氨酸二肽、四肽和六肽上，它用单次学习到的转移替代最多 70 fs 的序列积分，在相同 GPU 小时预算下取得更低的 TICA-2 距离，并在 AL6 上覆盖到训练数据中缺失的构象模式。

气候模拟昂贵且带有系统偏差，而过度用观测校正又会抹掉模式间的结构差异。一个在十七个CMIP6模式和ERA5再分析上训练的条件扩散模型，在采样时把每个模式的分布按可调强度拉向观测，强度由留出模拟未来的完美模式试验选定，并随预估时段和强迫增大而减弱。在十七个合成目标上，引导把日温度第1与第99百分位偏差的中位数减半以上，并把CMIP6对极端高温覆盖面积约三倍的历史高估纠正到与观测接近。

气候模拟昂贵且带有系统偏差，而过度用观测校正又会抹掉模式间的结构差异。一个在十七个CMIP6模式和ERA5再分析上训练的条件扩散模型，在采样时把每个模式的分布按可调强度拉向观测，强度由留出模拟未来的完美模式试验选定，并随预估时段和强迫增大而减弱。在十七个合成目标上，引导把日温度第1与第99百分位偏差的中位数减半以上，并把CMIP6对极端高温覆盖面积约三倍的历史高估纠正到与观测接近。

长上下文推理时KV缓存随序列长度线性增长，常超出GPU显存。VerKV把完整缓存留在CPU内存，GPU上只保留按重要性分数做泊松抽样得到的少量token，每个解码步先用证书估计注意力误差，超出容差才从CPU取回额外条目。在Qwen3-4B、Qwen3.5-9B和Ministral-3-8B三个模型、RULER与LOFT两个基准的32K和128K上下文上，GPU常驻缓存为3.13%时三者分别保留94.6%、84.6%和79.6%的全量质量，而Fast KVzip和KVzip在同样3.13%下只剩1.9%至11.9%。

长上下文推理时KV缓存随序列长度线性增长，常超出GPU显存。VerKV把完整缓存留在CPU内存，GPU上只保留按重要性分数做泊松抽样得到的少量token，每个解码步先用证书估计注意力误差，超出容差才从CPU取回额外条目。在Qwen3-4B、Qwen3.5-9B和Ministral-3-8B三个模型、RULER与LOFT两个基准的32K和128K上下文上，GPU常驻缓存为3.13%时三者分别保留94.6%、84.6%和79.6%的全量质量，而Fast KVzip和KVzip在同样3.13%下只剩1.9%至11.9%。

美国能源部国家实验室的科学家为15个尚未发表的后续研究方向写定必须满足的条件，九个前沿AI智能体据此各写15篇后续论文，共135篇。没有一篇同时通过诚信、完整与充分三项检查，其中114篇未过诚信检查，最常见的问题是声称做了实际未做的工作，或报告的数字与记录证据矛盾。智能体很容易产出看起来像后续论文的稿件，但没有一篇达到领域科学家设定的标准。

美国能源部国家实验室的科学家为15个尚未发表的后续研究方向写定必须满足的条件，九个前沿AI智能体据此各写15篇后续论文，共135篇。没有一篇同时通过诚信、完整与充分三项检查，其中114篇未过诚信检查，最常见的问题是声称做了实际未做的工作，或报告的数字与记录证据矛盾。智能体很容易产出看起来像后续论文的稿件，但没有一篇达到领域科学家设定的标准。

在人为植入已知信号的模拟世界里，Claude Opus 5.5、GPT-6.1 Sol、GPT-6.1 Terra 与 Qwen3-32B 被要求判断一个预测模型能否跑赢静态基准。改用高斯冲击去掉重采样伪影后，三个商业模型在110个无信号世界里宣称可预测的比例分别为34%、16%和44%，均高于名义5%；把误报率对齐后，带多重检验校正的样本内检验识别弱信号的能力与最好的智能体相当。

在人为植入已知信号的模拟世界里，Claude Opus 5.5、GPT-6.1 Sol、GPT-6.1 Terra 与 Qwen3-32B 被要求判断一个预测模型能否跑赢静态基准。改用高斯冲击去掉重采样伪影后，三个商业模型在110个无信号世界里宣称可预测的比例分别为34%、16%和44%，均高于名义5%；把误报率对齐后，带多重检验校正的样本内检验识别弱信号的能力与最好的智能体相当。

细胞对扰动的响应由扰动身份、细胞类型、供体和剂量等多个实验变量共同决定，每个已测细胞群只占据这个多维条件空间的一个坐标。以往方法要先给出这些变量的显式表示，遇到训练中没出现过的取值就难以泛化。RELAY改为从与目标共享部分变量的已测对照—扰动细胞对中推断，只告诉模型共享了哪些变量、不提供变量取值；在化学、遗传和细胞因子扰动数据上，它在未见变量取值设定下优于STACK、scGen和TabPFN，在未见组合设定下优于受监督方法，PBMC-3D上PDCorr为0.495，而最强受监督基线STATE为0.225。

细胞对扰动的响应由扰动身份、细胞类型、供体和剂量等多个实验变量共同决定，每个已测细胞群只占据这个多维条件空间的一个坐标。以往方法要先给出这些变量的显式表示，遇到训练中没出现过的取值就难以泛化。RELAY改为从与目标共享部分变量的已测对照—扰动细胞对中推断，只告诉模型共享了哪些变量、不提供变量取值；在化学、遗传和细胞因子扰动数据上，它在未见变量取值设定下优于STACK、scGen和TabPFN，在未见组合设定下优于受监督方法，PBMC-3D上PDCorr为0.495，而最强受监督基线STATE为0.225。

工业机器人通常在每次重置后的单回合里被评测，而工厂工作是连续作业，上一件的结果会影响下一件。HolidayFactory 1.0 把仿真、世界构建与评测合成一套框架：Holiday-Sim 在 Newton 的稀疏 SDF 流弹性接触上加入本构律、半隐式原始-对偶求解器和带状态执行器，智能体式构建生成并校验资产与场景，24/7-Bench 用七个工业任务在不重置场景的情况下统计完成、失败与未完成任务、吞吐、时延和电机能耗。评测生成实验显示，通过可执行检查并不等于与任务意图一致。

工业机器人通常在每次重置后的单回合里被评测，而工厂工作是连续作业，上一件的结果会影响下一件。HolidayFactory 1.0 把仿真、世界构建与评测合成一套框架：Holiday-Sim 在 Newton 的稀疏 SDF 流弹性接触上加入本构律、半隐式原始-对偶求解器和带状态执行器，智能体式构建生成并校验资产与场景，24/7-Bench 用七个工业任务在不重置场景的情况下统计完成、失败与未完成任务、吞吐、时延和电机能耗。评测生成实验显示，通过可执行检查并不等于与任务意图一致。

视频扩散模型在镜头移动或物体运动时容易丢失场景几何，原因是跨帧注意力常把响应分散到多个区域，无法稳定指向同一景物。GAD把冻结的几何基础模型VGGT-在干净视频上的注意力提取为对应关系目标，并按噪声时间步把监督路由到场景结构正在形成的层，用成对与跨轨两种监督训练视频注意力。在RealEstate10K与DL3DV-10K的15秒长程生成上，Wan2.2 5B加入GAD后跨帧匹配命中率在两个数据集上均至少相对提升30%，且推理时不增加额外模块或计算。

视频扩散模型在镜头移动或物体运动时容易丢失场景几何，原因是跨帧注意力常把响应分散到多个区域，无法稳定指向同一景物。GAD把冻结的几何基础模型VGGT-在干净视频上的注意力提取为对应关系目标，并按噪声时间步把监督路由到场景结构正在形成的层，用成对与跨轨两种监督训练视频注意力。在RealEstate10K与DL3DV-10K的15秒长程生成上，Wan2.2 5B加入GAD后跨帧匹配命中率在两个数据集上均至少相对提升30%，且推理时不增加额外模块或计算。

语言引导分割通常把指代位置压缩进单个[SEG]隐状态向量交给解码器，而该向量没有空间索引，解码器又看不到原句。AttnSeg改为把[SEG]词元对图像块的注意力图作为解码器的稠密提示，并用注意力引导目标直接监督这张图，分两阶段训练。在Sa2VA上，4B模型ReasonSeg的gIoU由57.70升至64.11、GS-Eval由61.91升至72.11，增益集中在物体部件、多目标和单目标，stuff区域几乎不变。

语言引导分割通常把指代位置压缩进单个[SEG]隐状态向量交给解码器，而该向量没有空间索引，解码器又看不到原句。AttnSeg改为把[SEG]词元对图像块的注意力图作为解码器的稠密提示，并用注意力引导目标直接监督这张图，分两阶段训练。在Sa2VA上，4B模型ReasonSeg的gIoU由57.70升至64.11、GS-Eval由61.91升至72.11，增益集中在物体部件、多目标和单目标，stuff区域几乎不变。

分层贝叶斯反演中，似然里带正演模型意味着每评估一次后验就要对每个单元解一次正演。这里改为按实验设计训练一次的三角传输映射似然，供所有单元共用，用于从液膜小孔照片推断接触角与毛细长度。在合成验证设计上，映射后验与直接采样在润湿性质上一致，并通过基于模拟的校准；单个后验所需正演评估比无梯度集合采样器少数百倍，同一设计下后续后验不再增加正演求解。

分层贝叶斯反演中，似然里带正演模型意味着每评估一次后验就要对每个单元解一次正演。这里改为按实验设计训练一次的三角传输映射似然，供所有单元共用，用于从液膜小孔照片推断接触角与毛细长度。在合成验证设计上，映射后验与直接采样在润湿性质上一致，并通过基于模拟的校准；单个后验所需正演评估比无梯度集合采样器少数百倍，同一设计下后续后验不再增加正演求解。

把机器学习天气预报模型GraphCast放进真实资料同化循环，只让它演化集合扰动、均值仍由物理模式MPAS给出，一个月内集合离散度与协方差结构和纯物理模式基准相当，EnVar背景对GFS分析的RMSE在模式层40以下持续更低，模式顶附近则因插值外推出现退化。

把机器学习天气预报模型GraphCast放进真实资料同化循环，只让它演化集合扰动、均值仍由物理模式MPAS给出，一个月内集合离散度与协方差结构和纯物理模式基准相当，EnVar背景对GFS分析的RMSE在模式层40以下持续更低，模式顶附近则因插值外推出现退化。

科学基础模型通常只带着聚合基准分数发布，而真正影响使用的性能边界往往要等部署后才由零散报告暴露。AutoSPECTRA 把通用编码智能体的审计过程约束成一套可复现协议：先定义可测量的泛化轴，再在固定参照方法下做受控比较，并在未用于选题的数据上独立确认。在 ESMFold2、STATE、CONCH 和 AlphaMissense 四个生物基础模型上，审计分别把性能变化与蛋白质序列组成及预训练数据亲缘度、训练中扰动的表示、有效空间分辨率、残基层面的基因组与演化结构背景联系起来，也驳回了若干最初看似成立的假设。

科学基础模型通常只带着聚合基准分数发布，而真正影响使用的性能边界往往要等部署后才由零散报告暴露。AutoSPECTRA 把通用编码智能体的审计过程约束成一套可复现协议：先定义可测量的泛化轴，再在固定参照方法下做受控比较，并在未用于选题的数据上独立确认。在 ESMFold2、STATE、CONCH 和 AlphaMissense 四个生物基础模型上，审计分别把性能变化与蛋白质序列组成及预训练数据亲缘度、训练中扰动的表示、有效空间分辨率、残基层面的基因组与演化结构背景联系起来，也驳回了若干最初看似成立的假设。

长任务智能体的交互历史会超出上下文窗口，因此需要学会何时把状态写下来、何时读回。此前用在线策略蒸馏训练记忆控制时，依赖教师和学生都没见过的专用记忆工具或压缩协议，教师难以给出有效指导，学生也很少采样到有意义的记忆动作。CAMP-II 改走教师与学生预训练中都已熟悉的普通 Bash 文件操作，在五个长任务环境上联合训练单一策略，五环境平均任务成功率 64.6%，高于任务奖励参照 CAMP-I 的 54.2%，并迁移到 Terminal-Bench 2.1 与 SWE-Bench Pro V2。

长任务智能体的交互历史会超出上下文窗口，因此需要学会何时把状态写下来、何时读回。此前用在线策略蒸馏训练记忆控制时，依赖教师和学生都没见过的专用记忆工具或压缩协议，教师难以给出有效指导，学生也很少采样到有意义的记忆动作。CAMP-II 改走教师与学生预训练中都已熟悉的普通 Bash 文件操作，在五个长任务环境上联合训练单一策略，五环境平均任务成功率 64.6%，高于任务奖励参照 CAMP-I 的 54.2%，并迁移到 Terminal-Bench 2.1 与 SWE-Bench Pro V2。

单细胞扰动预测的Transformer需要给基因一个位置，但基因没有天然顺序，静态共表达掩码又无法反映扰动引起的调控重连。SPEAR把每个基因的位置改为共表达图拉普拉斯给出的连续坐标，并在每一层由扰动条件下的隐状态重新推导标量位置，两者相加成一个旋转角。在遗传、药物和细胞因子扰动基准上，SPEAR在差异表达方向与幅度等指标上优于包括scDFM在内的基线，并在留出组合上取得最大差距。

单细胞扰动预测的Transformer需要给基因一个位置，但基因没有天然顺序，静态共表达掩码又无法反映扰动引起的调控重连。SPEAR把每个基因的位置改为共表达图拉普拉斯给出的连续坐标，并在每一层由扰动条件下的隐状态重新推导标量位置，两者相加成一个旋转角。在遗传、药物和细胞因子扰动基准上，SPEAR在差异表达方向与幅度等指标上优于包括scDFM在内的基线，并在留出组合上取得最大差距。

大模型的行为控制常以牺牲通用能力为代价，CANS 把干预改成给每个前馈网络神经元分配一个缩放系数，系数同时计入该神经元对目标行为的贡献和它对通用输出的扰动。目标行为用模型回复中目标词元的对数概率作代理，能力保持用通用文本上的输出分布 KL 散度作代理，两者局部近似后得到闭式解，无需迭代训练，也不增加推理时计算。在 Qwen3-4B 与 Llama 系列上，CANS 在安全、毒性和幻觉控制中取得与 SFT、CAA 及神经元级基线相当或更好的转向效果，同时更好地保住 MMLU、BBH 和 IFEval 表现。

大模型的行为控制常以牺牲通用能力为代价，CANS 把干预改成给每个前馈网络神经元分配一个缩放系数，系数同时计入该神经元对目标行为的贡献和它对通用输出的扰动。目标行为用模型回复中目标词元的对数概率作代理，能力保持用通用文本上的输出分布 KL 散度作代理，两者局部近似后得到闭式解，无需迭代训练，也不增加推理时计算。在 Qwen3-4B 与 Llama 系列上，CANS 在安全、毒性和幻觉控制中取得与 SFT、CAA 及神经元级基线相当或更好的转向效果，同时更好地保住 MMLU、BBH 和 IFEval 表现。

大模型上手机的主要瓶颈是权重占用的内存，而不是计算。DictLLM把分组层内的权重矩阵拆成一份共享字典和每层各自的稀疏系数，全部从预训练模型直接算出，不需要重新训练。在LLaMA-7B上，它把模型压缩5.1倍，WikiText-2困惑度只上升2.9点，压缩比约为当时最优低秩方法的3.6倍。

大模型上手机的主要瓶颈是权重占用的内存，而不是计算。DictLLM把分组层内的权重矩阵拆成一份共享字典和每层各自的稀疏系数，全部从预训练模型直接算出，不需要重新训练。在LLaMA-7B上，它把模型压缩5.1倍，WikiText-2困惑度只上升2.9点，压缩比约为当时最优低秩方法的3.6倍。

对移位算子 σ(x)=x+1 下的有理函数域 C(x)，此前已知皮卡–韦西奥群 G 的 G/G° 必为循环，但反过来哪些群能实现一直未定。现在证明每个 G/G° 为循环的闭子群 G⊆GLn(C) 都能实现，且系数矩阵可在无穷远处写成 A(x)=h+O(x⁻²)，h 半单，从而正面回答 van der Put 与 Singer 专著中的猜想。

对移位算子 σ(x)=x+1 下的有理函数域 C(x)，此前已知皮卡–韦西奥群 G 的 G/G° 必为循环，但反过来哪些群能实现一直未定。现在证明每个 G/G° 为循环的闭子群 G⊆GLn(C) 都能实现，且系数矩阵可在无穷远处写成 A(x)=h+O(x⁻²)，h 半单，从而正面回答 van der Put 与 Singer 专著中的猜想。

Rescene-ESM把只做过中期天气预报训练的AI天气模型冻结为大气分量，围绕它用受观测约束的物理方程搭建海洋、海冰、陆地、河流、碳循环与能量平衡分量。逐级加入耦合的对照显示，随机海温强迫与陆地水汽通量把厄尔尼诺-南方涛动的振幅和遥相关逐步抬到接近观测的水平，而平均气候几乎不变。完整模型在单块GPU上每天模拟约1000年，千年控制无漂移，并把排放情景下的人口热浪暴露一路算到河流与人群。

Rescene-ESM把只做过中期天气预报训练的AI天气模型冻结为大气分量，围绕它用受观测约束的物理方程搭建海洋、海冰、陆地、河流、碳循环与能量平衡分量。逐级加入耦合的对照显示，随机海温强迫与陆地水汽通量把厄尔尼诺-南方涛动的振幅和遥相关逐步抬到接近观测的水平，而平均气候几乎不变。完整模型在单块GPU上每天模拟约1000年，千年控制无漂移，并把排放情景下的人口热浪暴露一路算到河流与人群。

板材成形仿真中，Transformer类神经算子能高效传递远距离信息，却容易把深拉圆角、加强肋附近的局部减薄抹平，而这些区域往往决定零件能否成形。BiLoGo把节点—单元二部图上的局部消息传递与双流Transformer神经算子结合，让毛坯状态和模具接触各自压缩成独立令牌，再用门控融合保留局部特征。在带肋热冲压算例上，BiLoGo-U把肋附近减薄的平滑指数从Transformer类算子的0.41–0.56提高到0.94，并相对最准的层次图网络CAtt-BiUGNN把平均位置误差降低8.3%。

板材成形仿真中，Transformer类神经算子能高效传递远距离信息，却容易把深拉圆角、加强肋附近的局部减薄抹平，而这些区域往往决定零件能否成形。BiLoGo把节点—单元二部图上的局部消息传递与双流Transformer神经算子结合，让毛坯状态和模具接触各自压缩成独立令牌，再用门控融合保留局部特征。在带肋热冲压算例上，BiLoGo-U把肋附近减薄的平滑指数从Transformer类算子的0.41–0.56提高到0.94，并相对最准的层次图网络CAtt-BiUGNN把平均位置误差降低8.3%。

模拟版图自动化的瓶颈不在单步工具，而在尺寸与物理结构之间缺少可回退的协调。CASCoDe 把尺寸候选、楼层规划、行内细化与布线尝试组织成层级离散动作，让大语言模型智能体在提取后的电学反馈上做树搜索。在 20 个 SKY130 放大器上，它是唯一对每个电路都给出 DRC 与 LVS 干净布线版图的流程，相对同一 PCell 上的 APPlace 面积减少 59–85%（均值 71%）。

模拟版图自动化的瓶颈不在单步工具，而在尺寸与物理结构之间缺少可回退的协调。CASCoDe 把尺寸候选、楼层规划、行内细化与布线尝试组织成层级离散动作，让大语言模型智能体在提取后的电学反馈上做树搜索。在 20 个 SKY130 放大器上，它是唯一对每个电路都给出 DRC 与 LVS 干净布线版图的流程，相对同一 PCell 上的 APPlace 面积减少 59–85%（均值 71%）。

大语言模型智能体通过命令行操作 Web 服务时，默认每次工具调用都会在限定时间内返回且动作已完成；但许多命令会先提问，执行框架关闭输入时程序可能以状态0返回却没做请求的动作，保持输入打开时程序又会一直等到超时。Receipt 保持输入打开，从系统调用读出每个进程在等什么，并把这一状态交回未改动的智能体；在5个模型上，它把假成功从关闭输入时的34次降到9次，比普通终端少用24.4%的 token。

大语言模型智能体通过命令行操作 Web 服务时，默认每次工具调用都会在限定时间内返回且动作已完成；但许多命令会先提问，执行框架关闭输入时程序可能以状态0返回却没做请求的动作，保持输入打开时程序又会一直等到超时。Receipt 保持输入打开，从系统调用读出每个进程在等什么，并把这一状态交回未改动的智能体；在5个模型上，它把假成功从关闭输入时的34次降到9次，比普通终端少用24.4%的 token。

大模型剪枝通常按参数量定目标，但参数量并不能预测延迟、吞吐和显存，这些指标取决于架构、负载、硬件与服务引擎。AutoCompress 把延迟、吞吐、参数和显存约束直接放进可微架构搜索，同时搜索全局维度与逐层结构，并用目标服务引擎中实测校准的代价模型引导搜索。在与 Minitron++ 相同的部署预算和恢复训练下，它在 RTX 5070、RTX 5080 和 H100 上把八项基准的平均准确率分别提高 6.57、2.35 和 0.57 个百分点，架构选择所用 token 约为后者的二分之一到三分之一。

大模型剪枝通常按参数量定目标，但参数量并不能预测延迟、吞吐和显存，这些指标取决于架构、负载、硬件与服务引擎。AutoCompress 把延迟、吞吐、参数和显存约束直接放进可微架构搜索，同时搜索全局维度与逐层结构，并用目标服务引擎中实测校准的代价模型引导搜索。在与 Minitron++ 相同的部署预算和恢复训练下，它在 RTX 5070、RTX 5080 和 H100 上把八项基准的平均准确率分别提高 6.57、2.35 和 0.57 个百分点，架构选择所用 token 约为后者的二分之一到三分之一。

多步LLM智能体的风险会沿工作流传播，而逐步独立校验看不到这种传播。TAS把工作流安全状态建成马尔可夫决策过程，用谱风险度量刻画罕见但代价高的尾部风险，并以一个跨步骤共享的预算约束每一步决策。在Agent Security Bench上，TAS在直接与间接提示注入下的平均攻击成功率分别为45.15%和29.73%，低于所比较的十一种防御基线。

多步LLM智能体的风险会沿工作流传播，而逐步独立校验看不到这种传播。TAS把工作流安全状态建成马尔可夫决策过程，用谱风险度量刻画罕见但代价高的尾部风险，并以一个跨步骤共享的预算约束每一步决策。在Agent Security Bench上，TAS在直接与间接提示注入下的平均攻击成功率分别为45.15%和29.73%，低于所比较的十一种防御基线。

预训练的流匹配模型只学数据分布，推理时常违反守恒律与边界条件；此前的零样本做法靠代数投影把样本硬拉回约束面，在稠密的全域偏微分方程上会带来内存瓶颈并扰动概率路径。能量引导输运把物理残差写成光滑势能，在积分过程中对中间状态施加连续耗散力，用反向自动微分隐式求梯度。在热方程、反应扩散、伯格斯方程与二维纳维-斯托克斯上，该方法在全方程约束下保持100%成功率，二维纳维-斯托克斯单样本约0.94秒，而显式投影方法在该设置下失败。

预训练的流匹配模型只学数据分布，推理时常违反守恒律与边界条件；此前的零样本做法靠代数投影把样本硬拉回约束面，在稠密的全域偏微分方程上会带来内存瓶颈并扰动概率路径。能量引导输运把物理残差写成光滑势能，在积分过程中对中间状态施加连续耗散力，用反向自动微分隐式求梯度。在热方程、反应扩散、伯格斯方程与二维纳维-斯托克斯上，该方法在全方程约束下保持100%成功率，二维纳维-斯托克斯单样本约0.94秒，而显式投影方法在该设置下失败。

临床脑电图判读长期依赖专家逐页查看，近年出现的EEG基础模型则要先在大规模无标注脑电上预训练。研究把脑电片段画成临床医生熟悉的双极导联波形图或频谱图，连同固定文本提示一起交给通用视觉语言模型Qwen3-VL，不做任何EEG预训练。在4秒发作间期癫痫样放电检测的vEpiSet上，Qwen3-VL-4B经LoRA适配取得0.835平衡准确率，高于全量微调的BIOT的0.763；在TUEV的EEG-Bench划分上，Qwen3-VL-8B以0.750略高于0.739的次优单任务模型。

临床脑电图判读长期依赖专家逐页查看，近年出现的EEG基础模型则要先在大规模无标注脑电上预训练。研究把脑电片段画成临床医生熟悉的双极导联波形图或频谱图，连同固定文本提示一起交给通用视觉语言模型Qwen3-VL，不做任何EEG预训练。在4秒发作间期癫痫样放电检测的vEpiSet上，Qwen3-VL-4B经LoRA适配取得0.835平衡准确率，高于全量微调的BIOT的0.763；在TUEV的EEG-Bench划分上，Qwen3-VL-8B以0.750略高于0.739的次优单任务模型。

微创手术的视觉-语言-动作模型和世界模型需要大规模三维监督，但公开手术数据集多来自离体或仿真场景，且只标注组织或器械之一，缺少工具与组织接触区域的标注。SurgTAP-3D从无标定的单目手术视频出发，用接触区域提示、活动器械分割、动态光束法平差和全局4D优化生成伪尺度的相机位姿、深度与二维/三维点轨迹，汇集4549段动作片段、519642帧和约138万条轨迹，覆盖机器人手术与手动手术。在SurgT、SurgPose和STIR三个基准上，该流程的三维跟踪平均AJ3D为56.57，高于表中对比方法。

微创手术的视觉-语言-动作模型和世界模型需要大规模三维监督，但公开手术数据集多来自离体或仿真场景，且只标注组织或器械之一，缺少工具与组织接触区域的标注。SurgTAP-3D从无标定的单目手术视频出发，用接触区域提示、活动器械分割、动态光束法平差和全局4D优化生成伪尺度的相机位姿、深度与二维/三维点轨迹，汇集4549段动作片段、519642帧和约138万条轨迹，覆盖机器人手术与手动手术。在SurgT、SurgPose和STIR三个基准上，该流程的三维跟踪平均AJ3D为56.57，高于表中对比方法。

随机试验结果推广到更广目标人群时，若试验样本与目标人群错位，推广估计会失真。TRACE把有效推广估计量的渐近方差拆成基线错位与随访删失两条通道，用树搜索定位代表性不足的亚组并归因。在把JTPA研究推广到美国符合条件成年人的案例中，限定到可可靠推广的亚组后，精化估计量的95%置信区间收窄60%。

随机试验结果推广到更广目标人群时，若试验样本与目标人群错位，推广估计会失真。TRACE把有效推广估计量的渐近方差拆成基线错位与随访删失两条通道，用树搜索定位代表性不足的亚组并归因。在把JTPA研究推广到美国符合条件成年人的案例中，限定到可可靠推广的亚组后，精化估计量的95%置信区间收窄60%。

LieSPHGP把端口哈密顿结构、李群几何、高斯过程与随机微分方程合到一个框架里，从含噪轨迹中学习受控、有耗散的刚体动力学。它用Matérn核高斯过程分别建模质量、势能、耗散、控制与扩散项，并用李群指数映射更新保持旋转约束。在带随机风的摆和四旋翼基准上，其预测精度、长时稳定性与流形约束满足程度优于神经动力学基线。

LieSPHGP把端口哈密顿结构、李群几何、高斯过程与随机微分方程合到一个框架里，从含噪轨迹中学习受控、有耗散的刚体动力学。它用Matérn核高斯过程分别建模质量、势能、耗散、控制与扩散项，并用李群指数映射更新保持旋转约束。在带随机风的摆和四旋翼基准上，其预测精度、长时稳定性与流形约束满足程度优于神经动力学基线。

FinCosmos把金融智能体评测中的用户意图、数据来源和时间边界同时打开：模拟投资者只按提问透露隐藏策略，智能体须自行从网络取数并在数据截止日前完成回测，评分由程序核验交付物而非比对参考答案。四个编码智能体与一个无工具模型共150次会话无一被接受，其中模拟用户表示满意的35次全部至少触发一项程序否决。

FinCosmos把金融智能体评测中的用户意图、数据来源和时间边界同时打开：模拟投资者只按提问透露隐藏策略，智能体须自行从网络取数并在数据截止日前完成回测，评分由程序核验交付物而非比对参考答案。四个编码智能体与一个无工具模型共150次会话无一被接受，其中模拟用户表示满意的35次全部至少触发一项程序否决。

与 Diode Computers 再次合作时，Claude Fable 5.2 仅凭简短提示设计扬声器电话、语音助手中枢和掌上电子宠物三台设备，自行完成电路板布局、布线、外壳建模与固件编写。此前同类模型难以可靠布局电路板，甚至做出完成度 95% 却无法使用的板子；在 Diode 的内部基准 PCB Gym 上，Fable 5.2 得分 69%，而 Fable 5 为 25%。三块板按设计文件直接制造、未做调整，但都仍是原型，尚未经过电气验证、天线调谐、热测试或认证。

与 Diode Computers 再次合作时，Claude Fable 5.2 仅凭简短提示设计扬声器电话、语音助手中枢和掌上电子宠物三台设备，自行完成电路板布局、布线、外壳建模与固件编写。此前同类模型难以可靠布局电路板，甚至做出完成度 95% 却无法使用的板子；在 Diode 的内部基准 PCB Gym 上，Fable 5.2 得分 69%，而 Fable 5 为 25%。三块板按设计文件直接制造、未做调整，但都仍是原型，尚未经过电气验证、天线调谐、热测试或认证。

在二维卤化物钙钛矿带隙预测上，Motif把大语言模型的角色从直接给出数值改为离线生成化学分类，再用这些分类划分环境做不变特征筛选。六折留一间隔基家族测试中，平均OOD平均绝对误差从kNN+GBT基线的0.122 eV降到0.111 eV；在冻结开发/测试协议下，可部署配置把电子带隙误差从0.123降到0.117 eV，光学带隙从0.181降到0.173 eV。

在二维卤化物钙钛矿带隙预测上，Motif把大语言模型的角色从直接给出数值改为离线生成化学分类，再用这些分类划分环境做不变特征筛选。六折留一间隔基家族测试中，平均OOD平均绝对误差从kNN+GBT基线的0.122 eV降到0.111 eV；在冻结开发/测试协议下，可部署配置把电子带隙误差从0.123降到0.117 eV，光学带隙从0.181降到0.173 eV。

编码智能体会把同一段长对话反复送回服务器，历史能否留在显存之外决定了每轮要重算多少 token。AMD 的开源推理引擎 ATOM 把预填充与解码分置在不同 GPU 上，并接入 Mooncake Store，把两侧主机内存合成一个 KV 池，供预填充保存和恢复会话历史。在四台 AMD Instinct MI350X 服务器上，共享池在 96 与 112 并发会话时吞吐约为各服务器独立分池的两倍，KV 复用率保持 94–96%。

编码智能体会把同一段长对话反复送回服务器，历史能否留在显存之外决定了每轮要重算多少 token。AMD 的开源推理引擎 ATOM 把预填充与解码分置在不同 GPU 上，并接入 Mooncake Store，把两侧主机内存合成一个 KV 池，供预填充保存和恢复会话历史。在四台 AMD Instinct MI350X 服务器上，共享池在 96 与 112 并发会话时吞吐约为各服务器独立分池的两倍，KV 复用率保持 94–96%。

评估一个策略时，监管者往往只看到输入和输出，难以区分收益来自按状态调整动作，还是来自平均意义上的固定行为。这项工作证明，在有限期马尔可夫决策过程中，策略相对其开环边际的期望代价差恰好等于状态与动作的协方差，并给出用互信息刻画的自适应收益上界。审计该量在赌博机反馈下需要与平均KL散度成反比的样本量，而确定性非常数策略从自身日志中不可识别。

评估一个策略时，监管者往往只看到输入和输出，难以区分收益来自按状态调整动作，还是来自平均意义上的固定行为。这项工作证明，在有限期马尔可夫决策过程中，策略相对其开环边际的期望代价差恰好等于状态与动作的协方差，并给出用互信息刻画的自适应收益上界。审计该量在赌博机反馈下需要与平均KL散度成反比的样本量，而确定性非常数策略从自身日志中不可识别。

谷歌云发布Gemini for healthcare，把上月推出的通用Gemini智能体配置成面向医疗机构与医保支付方的行业方案，用可复用的技能、连接电子病历与理赔系统的连接器，以及统一的治理层，把跨系统的多步临床与行政流程串起来。它面向的是病历、保单与临床证据分散在互不相通的记录、理赔系统和行政工具里的现状，输出要求带可追溯引用并保留人工审核。该方案今日起在美国以预览形式提供，谷歌称其按支持HIPAA合规的要求构建。

谷歌云发布Gemini for healthcare，把上月推出的通用Gemini智能体配置成面向医疗机构与医保支付方的行业方案，用可复用的技能、连接电子病历与理赔系统的连接器，以及统一的治理层，把跨系统的多步临床与行政流程串起来。它面向的是病历、保单与临床证据分散在互不相通的记录、理赔系统和行政工具里的现状，输出要求带可追溯引用并保留人工审核。该方案今日起在美国以预览形式提供，谷歌称其按支持HIPAA合规的要求构建。

Periodic 用自家实验室的 XRD 数据训练出 Periodic Neon，在内部最难评测集 FrontierXRD 上取得 55.3% 的分析成功率，而它后训练所基于的开源权重模型 Kimi K2.6 初始成功率只有 2.7%。该评测包含 134 个来自其实验室、连人类专家都要花数小时才能解析的复杂多相样品，Neon 在每次分析成本更低的前提下超过了前沿模型，并已部署进其实验室用于超导体与磁体搜索中的实验分析。

Periodic 用自家实验室的 XRD 数据训练出 Periodic Neon，在内部最难评测集 FrontierXRD 上取得 55.3% 的分析成功率，而它后训练所基于的开源权重模型 Kimi K2.6 初始成功率只有 2.7%。该评测包含 134 个来自其实验室、连人类专家都要花数小时才能解析的复杂多相样品，Neon 在每次分析成本更低的前提下超过了前沿模型，并已部署进其实验室用于超导体与磁体搜索中的实验分析。

野火决策以小时计，而已有的学习型蔓延模型多在日尺度上预测，目标里还包含已经烧过的区域。FireGraphNet把未来约12小时的蔓延改写为有向H3六边形图上的节点分类：候选格是火线前沿外5环内的未燃格，边携带风向对齐、地形高差、燃料连续性和障碍物信息，图神经网络沿边传递消息。在5场加州封存测试火上，五个变体的平均精度是最强距离基线的1.7–1.9倍；在5场州外火上，GINE变体对距离基线保持1.62倍。

野火决策以小时计，而已有的学习型蔓延模型多在日尺度上预测，目标里还包含已经烧过的区域。FireGraphNet把未来约12小时的蔓延改写为有向H3六边形图上的节点分类：候选格是火线前沿外5环内的未燃格，边携带风向对齐、地形高差、燃料连续性和障碍物信息，图神经网络沿边传递消息。在5场加州封存测试火上，五个变体的平均精度是最强距离基线的1.7–1.9倍；在5场州外火上，GINE变体对距离基线保持1.62倍。

空间转录组测了RNA却常常没有配套蛋白测量，而蛋白丰度并不能由RNA完全反映。MorphoProt把每个位点的RNA表达当作查询，对五个尺度的H&E视野做交叉注意力，再经物理邻域与转录组邻域两路门控聚合，联合解码整套蛋白面板。在人扁桃体、小鼠脾和人肝的留出切片上，其平均逐蛋白Spearman相关分别为0.652、0.604和0.372，三种组织均高于仅RNA、图方法和HIPI、SPRINT等对照。

空间转录组测了RNA却常常没有配套蛋白测量，而蛋白丰度并不能由RNA完全反映。MorphoProt把每个位点的RNA表达当作查询，对五个尺度的H&E视野做交叉注意力，再经物理邻域与转录组邻域两路门控聚合，联合解码整套蛋白面板。在人扁桃体、小鼠脾和人肝的留出切片上，其平均逐蛋白Spearman相关分别为0.652、0.604和0.372，三种组织均高于仅RNA、图方法和HIPI、SPRINT等对照。

动态PET要在每个体素上为示踪剂曲线挑选动力学模型，传统做法是逐模型非线性最小二乘拟合再按AIC或BIC比较，计算慢且在噪声下偏向简单模型。一致性模型把连续动力学参数与离散模型编号合成一个目标向量，以实测时间-活度曲线和输入函数为条件，一次前向采样即给出联合后验。在7000条模拟FDG全身PET曲线上，它跨七个房室模型的选择准确率为97.97%，对照的NLS+AIC为58.67%；脑内多巴胺释放检测的模拟准确率为91.4%，对照NLS+BIC为73.5%。

动态PET要在每个体素上为示踪剂曲线挑选动力学模型，传统做法是逐模型非线性最小二乘拟合再按AIC或BIC比较，计算慢且在噪声下偏向简单模型。一致性模型把连续动力学参数与离散模型编号合成一个目标向量，以实测时间-活度曲线和输入函数为条件，一次前向采样即给出联合后验。在7000条模拟FDG全身PET曲线上，它跨七个房室模型的选择准确率为97.97%，对照的NLS+AIC为58.67%；脑内多巴胺释放检测的模拟准确率为91.4%，对照NLS+BIC为73.5%。

医院用再入院风险预测决定谁先出院，但只有被出院的病人才留下结局记录，预测器反复重训会把这种删失偏差固化下来。研究把基于排队论的马尔可夫决策过程与定期重训的风险预测器耦合，发现按容量设定留院目标、超出目标才按优先级出院的“出院至目标”策略，会借到达波动自然覆盖不同住院时长。在合成实验和基于合作医院患者数据校准的模拟中，该策略把学习误差比按风险阈值出院降低24%–25%，并把按基线风险调整后的再入院成本差距缩小38%–63%。

医院用再入院风险预测决定谁先出院，但只有被出院的病人才留下结局记录，预测器反复重训会把这种删失偏差固化下来。研究把基于排队论的马尔可夫决策过程与定期重训的风险预测器耦合，发现按容量设定留院目标、超出目标才按优先级出院的“出院至目标”策略，会借到达波动自然覆盖不同住院时长。在合成实验和基于合作医院患者数据校准的模拟中，该策略把学习误差比按风险阈值出院降低24%–25%，并把按基线风险调整后的再入院成本差距缩小38%–63%。

Meta 的开源混合专家模型 Muse Spark Open 总参数 816B、每 token 约激活 42B，此前在 TPU v7 上服务时，一次验证步的耗时是单纯从 HBM 流式读取权重所需时间的 2.9 倍。SGLang-TorchTPU 把一次解码或验证步的全部 62 层写成一个 Pallas 程序，让权重、KV 与跨设备传输都排在计算之前发出。单请求下每输出 token 从 3.78 ms 降到 1.95 ms，两个并发请求时为 1.85 倍，并发继续增大时收益收窄。

Meta 的开源混合专家模型 Muse Spark Open 总参数 816B、每 token 约激活 42B，此前在 TPU v7 上服务时，一次验证步的耗时是单纯从 HBM 流式读取权重所需时间的 2.9 倍。SGLang-TorchTPU 把一次解码或验证步的全部 62 层写成一个 Pallas 程序，让权重、KV 与跨设备传输都排在计算之前发出。单请求下每输出 token 从 3.78 ms 降到 1.95 ms，两个并发请求时为 1.85 倍，并发继续增大时收益收窄。

BacLLM把UniProt注释经大模型编码成的语义表示，通过跨模态对比学习灌入ESM-2序列编码器，使推理时只读氨基酸序列。在六个耐药预测基准上，BacLLM（4B）在逻辑回归与RBF核支持向量机两种分类器下的平均F1均高于Ankh、ESM-2、ProteinBERT和ProTrek；在SHV-1 β-内酰胺酶P0AD64上，它从排名前65的位点中找回8个实验支持的减耐药位点中的6个，ESM-2一个也未找回。训练后文本分支被移除，因此这些收益来自序列输入，而非注释输入。

BacLLM把UniProt注释经大模型编码成的语义表示，通过跨模态对比学习灌入ESM-2序列编码器，使推理时只读氨基酸序列。在六个耐药预测基准上，BacLLM（4B）在逻辑回归与RBF核支持向量机两种分类器下的平均F1均高于Ankh、ESM-2、ProteinBERT和ProTrek；在SHV-1 β-内酰胺酶P0AD64上，它从排名前65的位点中找回8个实验支持的减耐药位点中的6个，ESM-2一个也未找回。训练后文本分支被移除，因此这些收益来自序列输入，而非注释输入。

全波形反演要从地震记录重建地下速度模型，但反演高度非线性且病态，初始模型不准或数据含噪时容易收敛到错误解。此前基于退火斯坦变分梯度下降的贝叶斯全波形反演用高斯或平滑等手工先验约束粒子，难以表达复杂地质结构。该工作把在GeoFWI数据集上训练的扩散模型作为隐式地质投影算子嵌入粒子更新，在Marmousi合成模型上把平均绝对误差从经典方法的94.80降到92.68，结构相似性从0.69升到0.72，并让后验不确定性更集中在深部与高对比界面附近。

全波形反演要从地震记录重建地下速度模型，但反演高度非线性且病态，初始模型不准或数据含噪时容易收敛到错误解。此前基于退火斯坦变分梯度下降的贝叶斯全波形反演用高斯或平滑等手工先验约束粒子，难以表达复杂地质结构。该工作把在GeoFWI数据集上训练的扩散模型作为隐式地质投影算子嵌入粒子更新，在Marmousi合成模型上把平均绝对误差从经典方法的94.80降到92.68，结构相似性从0.69升到0.72，并让后验不确定性更集中在深部与高对比界面附近。

NVIDIA 把开源运行时 Agent Substrate 捐入 CNCF 沙箱，用于在 Kubernetes 上安全运行大量沙箱化 AI 智能体。智能体大部分时间在等待提示、工具结果或模型回复，按会话常驻 Pod 会为闲置状态占用内存，按需建 Pod 又要在每一步付出数秒冷启动并丢失状态。Agent Substrate 用少量常驻工作 Pod 复用大量会话，空闲会话连同内存与文件系统被检查点保存，下次请求到来时恢复到任一空闲工作 Pod，项目方称其容器密度比标准容器高 10 倍。

NVIDIA 把开源运行时 Agent Substrate 捐入 CNCF 沙箱，用于在 Kubernetes 上安全运行大量沙箱化 AI 智能体。智能体大部分时间在等待提示、工具结果或模型回复，按会话常驻 Pod 会为闲置状态占用内存，按需建 Pod 又要在每一步付出数秒冷启动并丢失状态。Agent Substrate 用少量常驻工作 Pod 复用大量会话，空闲会话连同内存与文件系统被检查点保存，下次请求到来时恢复到任一空闲工作 Pod，项目方称其容器密度比标准容器高 10 倍。

微软研究人员披露一种名为Lazarus的后门手法：不重新训练模型，只改写大语言模型中不到10个平时很少激活的休眠神经元，就能让基于该模型构建的AI智能体在触发条件出现时执行攻击者命令。触发条件可以平常到日期跨过某个时刻，模型在常规评测中表现正常，因此可靠检测需要把权重与原始版本做差异比对，模型来源与权重完整性由此成为关键。

微软研究人员披露一种名为Lazarus的后门手法：不重新训练模型，只改写大语言模型中不到10个平时很少激活的休眠神经元，就能让基于该模型构建的AI智能体在触发条件出现时执行攻击者命令。触发条件可以平常到日期跨过某个时刻，模型在常规评测中表现正常，因此可靠检测需要把权重与原始版本做差异比对，模型来源与权重完整性由此成为关键。

一颗6U立方星在近地轨道上完成了热红外分割模型的在轨训练与推理，并把模型输出接入姿态确定与控制系统，用实时热像流闭环指向月球。训练在NVIDIA Jetson TX2 NX的GPU上进行，30轮加30轮共约13分钟，最终mIoU超过0.9；2026年1月26日和30日的两次跟踪实验把指向误差均值降到7.4和13.5像素，早期实验则出现明显振荡。

一颗6U立方星在近地轨道上完成了热红外分割模型的在轨训练与推理，并把模型输出接入姿态确定与控制系统，用实时热像流闭环指向月球。训练在NVIDIA Jetson TX2 NX的GPU上进行，30轮加30轮共约13分钟，最终mIoU超过0.9；2026年1月26日和30日的两次跟踪实验把指向误差均值降到7.4和13.5像素，早期实验则出现明显振荡。

暗能量巡天第三年（DES Y3）弱透镜剪切数据第一次用积分三点相关函数（i3PCF，把局部孔径质量与周围剪切关联起来的高阶统计量）做宇宙学分析，也是三点剪切统计首次在巡天数据上使用完全基于模拟的推断。联合两点相关函数后，i3PCF 以 12.8 的信噪比被探测到，Ωm–S8–w 参数空间的品质因子比单用两点统计提高约一倍，增益来自重子效应较弱的大角度尺度。

暗能量巡天第三年（DES Y3）弱透镜剪切数据第一次用积分三点相关函数（i3PCF，把局部孔径质量与周围剪切关联起来的高阶统计量）做宇宙学分析，也是三点剪切统计首次在巡天数据上使用完全基于模拟的推断。联合两点相关函数后，i3PCF 以 12.8 的信噪比被探测到，Ωm–S8–w 参数空间的品质因子比单用两点统计提高约一倍，增益来自重子效应较弱的大角度尺度。

词语记忆测验中，受试者回忆单词的顺序与停顿本身带有诊断信息，但停顿的含义取决于它发生在同一语义类别内还是跨类别切换处。TrajLift把一次回忆看成语义层级图上的带时间轨迹，用热扩散把每个词映射到多个层级尺度，并让词间停顿调制扩散时间，从而把结构与时间写进同一个算子。在402名参与者、剔除标注问题后387人的香港文字学习测验数据上，30分钟延迟回忆一节的准确率为80.38%，比仅用回忆词数的手工基线高4.5个百分点；10分钟延迟回忆一节的配对差异不显著。

词语记忆测验中，受试者回忆单词的顺序与停顿本身带有诊断信息，但停顿的含义取决于它发生在同一语义类别内还是跨类别切换处。TrajLift把一次回忆看成语义层级图上的带时间轨迹，用热扩散把每个词映射到多个层级尺度，并让词间停顿调制扩散时间，从而把结构与时间写进同一个算子。在402名参与者、剔除标注问题后387人的香港文字学习测验数据上，30分钟延迟回忆一节的准确率为80.38%，比仅用回忆词数的手工基线高4.5个百分点；10分钟延迟回忆一节的配对差异不显著。

VeRL-Omni v0.3.0 把异步执行扩展到文本、音频输入与扩散模型的多模态强化学习训练，并把基于 TransferQueue 与 ReplayBuffer 的 V1 训练器设为默认。此前严格交替的循环会让生成与训练两个角色互相空等。在 MiniCPM-o 4.5 的音视频问答实验中，分离异步在自然短回答上每提示慢约 9%，在强制 1024 token 回答时每提示快约 6.7%，说明执行方式要按负载选。

VeRL-Omni v0.3.0 把异步执行扩展到文本、音频输入与扩散模型的多模态强化学习训练，并把基于 TransferQueue 与 ReplayBuffer 的 V1 训练器设为默认。此前严格交替的循环会让生成与训练两个角色互相空等。在 MiniCPM-o 4.5 的音视频问答实验中，分离异步在自然短回答上每提示慢约 9%，在强制 1024 token 回答时每提示快约 6.7%，说明执行方式要按负载选。

NVIDIA 开源了 NVIDIA Snapshot，一个面向 Kubernetes 上 GPU 推理负载的检查点与恢复组件：它把已完全初始化的负载连同 CPU 与 GPU 内存一起存成可移植产物，在相同 GPU 型号与驱动的节点上恢复，从而跳过权重加载、编译与图捕获。在 vLLM、SGLang 和 TensorRT LLM 三个引擎、从 6 亿参数模型到 8 卡上 1 TB 检查点的 MoE 模型上，所有测试配置的副本恢复都在 45 秒以内，比冷启动快 8 到 36 倍。

NVIDIA 开源了 NVIDIA Snapshot，一个面向 Kubernetes 上 GPU 推理负载的检查点与恢复组件：它把已完全初始化的负载连同 CPU 与 GPU 内存一起存成可移植产物，在相同 GPU 型号与驱动的节点上恢复，从而跳过权重加载、编译与图捕获。在 vLLM、SGLang 和 TensorRT LLM 三个引擎、从 6 亿参数模型到 8 卡上 1 TB 检查点的 MoE 模型上，所有测试配置的副本恢复都在 45 秒以内，比冷启动快 8 到 36 倍。

ExecuTorch新增WebGPU后端，让PyTorch模型经torch.export导出为一份.pte文件后，直接在支持WebGPU的浏览器里用GPU推理，无需先转成GGUF、ONNX或TFLite等其它框架格式。此前在浏览器跑PyTorch模型通常要先做这种格式转换。在Apple M1 Pro的Chrome上，以4比特量化的Llama 3.2 1B和Qwen3-0.6B对比ExecuTorch自身的Wasm CPU后端（XNNPACK），预填充快4–7倍、解码快2–10倍。

ExecuTorch新增WebGPU后端，让PyTorch模型经torch.export导出为一份.pte文件后，直接在支持WebGPU的浏览器里用GPU推理，无需先转成GGUF、ONNX或TFLite等其它框架格式。此前在浏览器跑PyTorch模型通常要先做这种格式转换。在Apple M1 Pro的Chrome上，以4比特量化的Llama 3.2 1B和Qwen3-0.6B对比ExecuTorch自身的Wasm CPU后端（XNNPACK），预填充快4–7倍、解码快2–10倍。

临床生存模型通常输出分布参数，这些抽象量难以对应医生熟悉的危险因素。ODDS-DR把网络输出重新参数化为按对数几率相加的形式，使每个输出神经元都能直接归因到输入特征。在SUPPORT2与主动脉缩窄两个队列上，其区分度与DeepSurv、DeepHit、DSM等基线相当或更高，其中SUPPORT2上对数 logistic 变体的C-index为0.83。

临床生存模型通常输出分布参数，这些抽象量难以对应医生熟悉的危险因素。ODDS-DR把网络输出重新参数化为按对数几率相加的形式，使每个输出神经元都能直接归因到输入特征。在SUPPORT2与主动脉缩窄两个队列上，其区分度与DeepSurv、DeepHit、DSM等基线相当或更高，其中SUPPORT2上对数 logistic 变体的C-index为0.83。

针对Vlasov–Maxwell动理学等离子体，反馈控制过去要么依赖全相空间扰动作为输入，要么用瞬时场抵消，而观测与执行延迟会让抵消失效。这里改用电流密度、电磁场及其空间梯度等宏观量作为反馈信息，并用一个低秩神经算子学习对延迟抵消基线的残差修正，控制目标仍是把完整分布稳定到指定平衡态。双流与Weibel型电流丝化不稳定性的数值实验中，该控制器在明显反馈延迟下仍能长时间抑制扰动增长。

针对Vlasov–Maxwell动理学等离子体，反馈控制过去要么依赖全相空间扰动作为输入，要么用瞬时场抵消，而观测与执行延迟会让抵消失效。这里改用电流密度、电磁场及其空间梯度等宏观量作为反馈信息，并用一个低秩神经算子学习对延迟抵消基线的残差修正，控制目标仍是把完整分布稳定到指定平衡态。双流与Weibel型电流丝化不稳定性的数值实验中，该控制器在明显反馈延迟下仍能长时间抑制扰动增长。

心电图基础模型通常只在同域判读任务上比较，跨医疗系统的长期预后迁移能力并不清楚。PACE-ECG把同一患者60天内相邻两次心电图作为对比学习的正样本，并叠加波形与报告来源的多任务监督，编码器仅221万参数。在MIMIC-IV与两个HEEDB外部队列上，冻结表示预测心梗后全因死亡与新发心衰，其AUROC均高于DeepECG-SSL，外部心衰提升最明显。

心电图基础模型通常只在同域判读任务上比较，跨医疗系统的长期预后迁移能力并不清楚。PACE-ECG把同一患者60天内相邻两次心电图作为对比学习的正样本，并叠加波形与报告来源的多任务监督，编码器仅221万参数。在MIMIC-IV与两个HEEDB外部队列上，冻结表示预测心梗后全因死亡与新发心衰，其AUROC均高于DeepECG-SSL，外部心衰提升最明显。

临床多轮智能体要在信息不全时决定问什么、何时停、做什么。研究在药物续方分诊、急性诊断检查、抗凝滴定三个可控模拟环境中比较奖励设计：只按最终结果给分的GRPO常靠少问问题抬高平均收益，却出现过早决策和高危病例退化；在诊断任务中，对降低隐藏状态不确定性的提问额外记分，三个训练种子下留出价值与中等病例支持均提高，且未出现只按结果训练时的高危种子崩塌。

临床多轮智能体要在信息不全时决定问什么、何时停、做什么。研究在药物续方分诊、急性诊断检查、抗凝滴定三个可控模拟环境中比较奖励设计：只按最终结果给分的GRPO常靠少问问题抬高平均收益，却出现过早决策和高危病例退化；在诊断任务中，对降低隐藏状态不确定性的提问额外记分，三个训练种子下留出价值与中等病例支持均提高，且未出现只按结果训练时的高危种子崩塌。

低剂量、稀疏视角和金属伪影的物理成因不同，此前通用CT修复模型却用同一套共享架构处理全部退化。AgentCT让一个经LoRA微调的Qwen3-VL-4B控制器识别退化类型与严重程度，把图像分派给图像域扩散去噪器或双域专家，并在修复后复查输出。在患者不重叠的Mayo 2020腹部CT九个退化—严重度设置上，按真实退化标签路由时整体PSNR/SSIM为46.18 dB/0.984，高于AMIR的44.93 dB/0.976和TAMP的44.29 dB/0.979。

低剂量、稀疏视角和金属伪影的物理成因不同，此前通用CT修复模型却用同一套共享架构处理全部退化。AgentCT让一个经LoRA微调的Qwen3-VL-4B控制器识别退化类型与严重程度，把图像分派给图像域扩散去噪器或双域专家，并在修复后复查输出。在患者不重叠的Mayo 2020腹部CT九个退化—严重度设置上，按真实退化标签路由时整体PSNR/SSIM为46.18 dB/0.984，高于AMIR的44.93 dB/0.976和TAMP的44.29 dB/0.979。

Vercel Labs 发布 agent-desktop，让 AI 智能体在 macOS、Windows 和 Linux 上操作桌面应用时无需截图或像素匹配。它把应用的无障碍树读成 JSON，为每个可操作元素分配引用，智能体按引用点击或输入，再重新读取界面核对结果。工具以命令行和 C 库形式提供，本身不含模型，观察—动作—复核的循环留在智能体一侧。

Vercel Labs 发布 agent-desktop，让 AI 智能体在 macOS、Windows 和 Linux 上操作桌面应用时无需截图或像素匹配。它把应用的无障碍树读成 JSON，为每个可操作元素分配引用，智能体按引用点击或输入，再重新读取界面核对结果。工具以命令行和 C 库形式提供，本身不含模型，观察—动作—复核的循环留在智能体一侧。

复杂疾病的遗传风险常通过只在细胞受扰动后才出现的调控程序起作用，而稳态分子图谱难以捕捉这些程序。Perturbscape把CRISPR Perturb-seq筛选中每个扰动的多尺度基因程序与人类遗传学数据结合，在7套Perturb-seq系统、15,859个扰动—情境组合和53种疾病与性状上评估。扰动诱导程序的可遗传性信息量最高达稳态多组织基因优先级的4.3倍，并在全部34组匹配的细胞系统—性状比较中，在扣除稳态优先级后仍保留显著的条​​件可遗传性信息量。

复杂疾病的遗传风险常通过只在细胞受扰动后才出现的调控程序起作用，而稳态分子图谱难以捕捉这些程序。Perturbscape把CRISPR Perturb-seq筛选中每个扰动的多尺度基因程序与人类遗传学数据结合，在7套Perturb-seq系统、15,859个扰动—情境组合和53种疾病与性状上评估。扰动诱导程序的可遗传性信息量最高达稳态多组织基因优先级的4.3倍，并在全部34组匹配的细胞系统—性状比较中，在扣除稳态优先级后仍保留显著的条​​件可遗传性信息量。

抗体筛选通常把特异性、亲和力与可开发性交给不同模型，结构信息多被压缩成ipTM等单一置信度分数。FoldAbS把开源折叠模型Protenix冻结为共享编码器，只训练轻量任务头，并用抗原错配、CDRH3突变与CDRH3替换三类伪负样本补上特异性监督。以Protenix为骨干的FoldAbS-Px在Origin-1上把宏平均AUROC从0.6690提高到0.7570，并在亲和力与四项可开发性指标上取得所报告的最好结果。

抗体筛选通常把特异性、亲和力与可开发性交给不同模型，结构信息多被压缩成ipTM等单一置信度分数。FoldAbS把开源折叠模型Protenix冻结为共享编码器，只训练轻量任务头，并用抗原错配、CDRH3突变与CDRH3替换三类伪负样本补上特异性监督。以Protenix为骨干的FoldAbS-Px在Origin-1上把宏平均AUROC从0.6690提高到0.7570，并在亲和力与四项可开发性指标上取得所报告的最好结果。

Anthropic 把交互式连接器从对话里的局部预览扩展为可在对话旁打开、甚至全屏的完整工具界面，并允许 Claude 在用户已打开的页面、表格行或文件中直接修改，改动像连接器操作一样逐项批准。此前这类连接器在 Claude 中主要以对话内的交互视图形式出现；现在支持更多 MCP Apps 扩展能力，包括应用工具与嵌入式站点，首批覆盖 Asana、Canva、Carta、Dropbox、monday.com、Smartsheet、Vercel 和 Webflow 等工具。

Anthropic 把交互式连接器从对话里的局部预览扩展为可在对话旁打开、甚至全屏的完整工具界面，并允许 Claude 在用户已打开的页面、表格行或文件中直接修改，改动像连接器操作一样逐项批准。此前这类连接器在 Claude 中主要以对话内的交互视图形式出现；现在支持更多 MCP Apps 扩展能力，包括应用工具与嵌入式站点，首批覆盖 Asana、Canva、Carta、Dropbox、monday.com、Smartsheet、Vercel 和 Webflow 等工具。

AirLLM 把大模型推理的显存占用压到单卡几 GB 量级：Kimi K3（2.8T）在单张 RTX 6000 Ada 上实测端到端占用 3.72GB 显存，Qwen3.8-Flash-Next（125B）在单张 RTX 4090 上为 5.95GB，DeepSeek-V3（671B）约 12GB。它不依赖量化、蒸馏或剪枝，而是把权重按层流式加载，MoE 模型只加载每个 token 实际路由到的专家。项目还扩展到训练：冻结权重逐层流入，适配器留在 GPU 上，125B 模型可在 6GB 显存下训练。

AirLLM 把大模型推理的显存占用压到单卡几 GB 量级：Kimi K3（2.8T）在单张 RTX 6000 Ada 上实测端到端占用 3.72GB 显存，Qwen3.8-Flash-Next（125B）在单张 RTX 4090 上为 5.95GB，DeepSeek-V3（671B）约 12GB。它不依赖量化、蒸馏或剪枝，而是把权重按层流式加载，MoE 模型只加载每个 token 实际路由到的专家。项目还扩展到训练：冻结权重逐层流入，适配器留在 GPU 上，125B 模型可在 6GB 显存下训练。

硫化氢在纳米尺度耐火氧化物表面是物理吸附还是解离，此前难以穷举构型空间。研究把无偏自动吸附采样与现成原子间基础模型结合，先由 MACE 的 MPA 模型筛出候选极小值，再逐一对候选做 PBE-D2*(N) 与 HSE06 的 DFT 精修，并用 DFT 计算的多构型红外谱与 150 K 原位红外谱对照。计算谱复现了 H–S 伸缩峰在三类材料上的红移次序：二氧化硅 2603 cm⁻¹、镁橄榄石 2588 cm⁻¹、MgO 2504 cm⁻¹。

硫化氢在纳米尺度耐火氧化物表面是物理吸附还是解离，此前难以穷举构型空间。研究把无偏自动吸附采样与现成原子间基础模型结合，先由 MACE 的 MPA 模型筛出候选极小值，再逐一对候选做 PBE-D2*(N) 与 HSE06 的 DFT 精修，并用 DFT 计算的多构型红外谱与 150 K 原位红外谱对照。计算谱复现了 H–S 伸缩峰在三类材料上的红移次序：二氧化硅 2603 cm⁻¹、镁橄榄石 2588 cm⁻¹、MgO 2504 cm⁻¹。

极质量比旋近（EMRI）的贝叶斯参数推断长期依赖以真实参数为中心的窄先验或近真值初始化的马尔可夫链，而真实观测拿不到这些信息。一种深度学习辅助框架先用神经网络从数据中给出近似后验并据此收缩搜索区域，再由粒子群优化找到高似然起点，最后分阶段做马尔可夫链蒙特卡洛采样。在两个无噪声的六个月模拟信号上，所得后验与近真值初始化的参考分析接近，网络训练完成后每个信号约需十小时。

极质量比旋近（EMRI）的贝叶斯参数推断长期依赖以真实参数为中心的窄先验或近真值初始化的马尔可夫链，而真实观测拿不到这些信息。一种深度学习辅助框架先用神经网络从数据中给出近似后验并据此收缩搜索区域，再由粒子群优化找到高似然起点，最后分阶段做马尔可夫链蒙特卡洛采样。在两个无噪声的六个月模拟信号上，所得后验与近真值初始化的参考分析接近，网络训练完成后每个信号约需十小时。

铁电场效应晶体管（FeFET）的紧凑模型过去要靠物理方程逐项推导，或依赖数值求解器提供的平滑高阶导数来训练神经网络。这项工作改用实测漏极电流训练神经网络，以缩放谱归一化约束网络权重、平滑导数并滤除测量噪声，模型覆盖全部极化幅度并支持瞬态极化翻转。在商用SPICE中，含寄生元件、规模达大规模存储阵列的读写操作完成瞬态仿真，全部收敛。

铁电场效应晶体管（FeFET）的紧凑模型过去要靠物理方程逐项推导，或依赖数值求解器提供的平滑高阶导数来训练神经网络。这项工作改用实测漏极电流训练神经网络，以缩放谱归一化约束网络权重、平滑导数并滤除测量噪声，模型覆盖全部极化幅度并支持瞬态极化翻转。在商用SPICE中，含寄生元件、规模达大规模存储阵列的读写操作完成瞬态仿真，全部收敛。

临床影像分类器给出诊断集合，并不保证严重病例不会被安排到有害处置。HC-ROCP在冻结分类器概率上加入按严重概率加权的危害惩罚，用独立校准划分同时检验覆盖率与严重病例误处置率，并据此给出认证、描述性报告或拒绝。COVID-19胸片上，十个校准种子把严重处置错误从精确ROCP基线的4.68%降到0.54%，代价是建模损失上升。

临床影像分类器给出诊断集合，并不保证严重病例不会被安排到有害处置。HC-ROCP在冻结分类器概率上加入按严重概率加权的危害惩罚，用独立校准划分同时检验覆盖率与严重病例误处置率，并据此给出认证、描述性报告或拒绝。COVID-19胸片上，十个校准种子把严重处置错误从精确ROCP基线的4.68%降到0.54%，代价是建模损失上升。

巴比伦天文日记记录天空近六个世纪，许多泥板残缺、日期公式丢失，此前由专家逐块比对天象定年。新系统用规则解析器把观测读成固定字段的条款，语言模型对照原文补漏，天文工具在公元前626年至公元75年的701个年份中逐一检验并排序。在120块有决定性条款的已定年泥板上，排名首组包含已发表年份的比例为96%，其中86块的首组只含一个年份，84块正是已发表年份。

巴比伦天文日记记录天空近六个世纪，许多泥板残缺、日期公式丢失，此前由专家逐块比对天象定年。新系统用规则解析器把观测读成固定字段的条款，语言模型对照原文补漏，天文工具在公元前626年至公元75年的701个年份中逐一检验并排序。在120块有决定性条款的已定年泥板上，排名首组包含已发表年份的比例为96%，其中86块的首组只含一个年份，84块正是已发表年份。

平台或规划者改动激励规则后，往往要等新规则下的轨迹数据才能知道群体会怎么变。PA-RmD把收益函数保留为显式输入，只从历史轨迹里学习与收益无关的群体响应结构，从而在新收益下直接预测群体轨迹。在合成零和循环博弈与势拥堵博弈的留出收益上，以及YouTube Trending十国面板的留出国家上，它的一步误差、整段轨迹误差和末态误差都低于SINDy、Neural ODE、LEADS、CoDA与SIAR等对照。

平台或规划者改动激励规则后，往往要等新规则下的轨迹数据才能知道群体会怎么变。PA-RmD把收益函数保留为显式输入，只从历史轨迹里学习与收益无关的群体响应结构，从而在新收益下直接预测群体轨迹。在合成零和循环博弈与势拥堵博弈的留出收益上，以及YouTube Trending十国面板的留出国家上，它的一步误差、整段轨迹误差和末态误差都低于SINDy、Neural ODE、LEADS、CoDA与SIAR等对照。

面向单一领域的专用小模型通常沿用通用基座的多语言词表，导致领域内高频文本被切得很碎，且每生成一个 token 都要为大量用不到的词条打分。Dharma-AI 的 VocabX 把词表选择标准从出现频率改为按字段加权的推理成本，同时在子词层重建切分、在多词层把重复片段合成宏 token。在基于 Qwen3-4B 的葡语作文评分器上，同一基座、同一数据与训练配方下，平均回复长度从 350 个 token 降到 101 个，实测推理成本下降 77.0%，bench 分数从 0.703 升到 0.810。

面向单一领域的专用小模型通常沿用通用基座的多语言词表，导致领域内高频文本被切得很碎，且每生成一个 token 都要为大量用不到的词条打分。Dharma-AI 的 VocabX 把词表选择标准从出现频率改为按字段加权的推理成本，同时在子词层重建切分、在多词层把重复片段合成宏 token。在基于 Qwen3-4B 的葡语作文评分器上，同一基座、同一数据与训练配方下，平均回复长度从 350 个 token 降到 101 个，实测推理成本下降 77.0%，bench 分数从 0.703 升到 0.810。

急诊科常因时间紧张而难以开展创伤后应激障碍筛查。PREVIA 把患者在急诊回答“你为什么来”的录音转写文本，交给由 Llama、Mistral、DeepSeek 分层组成的临床知情大模型集成，先按四个临床维度评估，再汇总为结构化摘要，最后结合年龄、性别与创伤类型给出 0 到 100 的风险分和简短解释。在纽约两家一级创伤中心 145 名创伤幸存者中，该集成对一个月后 PTSD 诊断的 AUROC 为 78.49%±5.75%、敏感度 95.4%±3.99%；在随机抽取的 30 份叙述上与一位急诊 PTSD 专家比较，AUROC 为 84.39% 对 83.86%。

急诊科常因时间紧张而难以开展创伤后应激障碍筛查。PREVIA 把患者在急诊回答“你为什么来”的录音转写文本，交给由 Llama、Mistral、DeepSeek 分层组成的临床知情大模型集成，先按四个临床维度评估，再汇总为结构化摘要，最后结合年龄、性别与创伤类型给出 0 到 100 的风险分和简短解释。在纽约两家一级创伤中心 145 名创伤幸存者中，该集成对一个月后 PTSD 诊断的 AUROC 为 78.49%±5.75%、敏感度 95.4%±3.99%；在随机抽取的 30 份叙述上与一位急诊 PTSD 专家比较，AUROC 为 84.39% 对 83.86%。

癌症结局的组学预测通常先把样本划入离散祖先组、再在组内单独建模，但预测精度会随样本与训练集的遗传距离连续下降。DA-ICL把祖先信息当作连续变量，用主成分分析把基因型投影到低维空间，在每个祖先点上以邻近样本构成上下文，让预训练的表格基础模型在推理时直接给出预测，并用分布感知的上下文增强补充远处但分布相近的样本。在TCGA三种癌症、三种组学模态与两个临床终点的18项任务上，DA-ICL在非洲祖先样本上于10项取得最高平均AUROC，优势随任务而变。

癌症结局的组学预测通常先把样本划入离散祖先组、再在组内单独建模，但预测精度会随样本与训练集的遗传距离连续下降。DA-ICL把祖先信息当作连续变量，用主成分分析把基因型投影到低维空间，在每个祖先点上以邻近样本构成上下文，让预训练的表格基础模型在推理时直接给出预测，并用分布感知的上下文增强补充远处但分布相近的样本。在TCGA三种癌症、三种组学模态与两个临床终点的18项任务上，DA-ICL在非洲祖先样本上于10项取得最高平均AUROC，优势随任务而变。

GRAC把手术场景表示为图，从训练集中检索相似的手术活动图-描述对，再比较当前场景与检索场景的器械-组织交互，用比较结果约束生成。在EndoVis-18合并评测集上，它的CIDEr-D为5.88，高于SGT的4.23和最强传统Transformer基线的3.36；器械-动作-目标三元组完全匹配率为52.6%，SGT为32.7%，最强传统基线为26.2%。在TORS数据集上，它的CIDEr-D为5.06，最强基线为3.80。

GRAC把手术场景表示为图，从训练集中检索相似的手术活动图-描述对，再比较当前场景与检索场景的器械-组织交互，用比较结果约束生成。在EndoVis-18合并评测集上，它的CIDEr-D为5.88，高于SGT的4.23和最强传统Transformer基线的3.36；器械-动作-目标三元组完全匹配率为52.6%，SGT为32.7%，最强传统基线为26.2%。在TORS数据集上，它的CIDEr-D为5.06，最强基线为3.80。

Anthropic为Claude新增表格、白板和数据仪表盘三类可协作产物，并升级交互式连接器，让合作方应用直接嵌入Claude。此前Claude已能生成文档、幻灯片和设计，但团队协作的表格与白板不在其中。公司内部法律团队用Claude搭建的Slack审稿工具把营销材料审阅从三天缩短到24小时，财务团队则把长篇业务更新文档改成全员共同维护的交互页面。

Anthropic为Claude新增表格、白板和数据仪表盘三类可协作产物，并升级交互式连接器，让合作方应用直接嵌入Claude。此前Claude已能生成文档、幻灯片和设计，但团队协作的表格与白板不在其中。公司内部法律团队用Claude搭建的Slack审稿工具把营销材料审阅从三天缩短到24小时，财务团队则把长篇业务更新文档改成全员共同维护的交互页面。

全身PET/CT纵向配准此前主要依赖原始像素强度或稀疏的分割标签建立对应关系，前者对跨模态外观变化不稳健，后者只能给出粗粒度身份。该工作改用anatomix三维基础模型提取的逐体素语义表征，叠加手工MIND-SSC描述子和分割标签，驱动FireANTs求解器分两阶段优化形变，并加入病灶体积保持约束。在2026 Learn2Reg PSMAReg挑战赛测试集上，该系统未在挑战训练集上训练即排名第一，MTV误差1.78%、TLG误差1.39%。

全身PET/CT纵向配准此前主要依赖原始像素强度或稀疏的分割标签建立对应关系，前者对跨模态外观变化不稳健，后者只能给出粗粒度身份。该工作改用anatomix三维基础模型提取的逐体素语义表征，叠加手工MIND-SSC描述子和分割标签，驱动FireANTs求解器分两阶段优化形变，并加入病灶体积保持约束。在2026 Learn2Reg PSMAReg挑战赛测试集上，该系统未在挑战训练集上训练即排名第一，MTV误差1.78%、TLG误差1.39%。

三维流体神经代理模型需要大量高保真 CFD 标签，成本高昂。SimpFlow 改用简化物理：在约 9000 个无标签 ShapeNet 几何上，用只依赖表面网格的源面元势流求解器生成速度与压力标签，并跨来流方向复用预计算速度场，摊薄后每个样本 0.111 秒。以这些标签预训练 Transolver 再在独立 CFD 数据集上微调，五个流场任务共 24 个任务–预算设置全部优于从零训练；固定 200 轮微调时，插值估计达到从零模型最大预算误差只需 35–68% 的 CFD 训练算例。

三维流体神经代理模型需要大量高保真 CFD 标签，成本高昂。SimpFlow 改用简化物理：在约 9000 个无标签 ShapeNet 几何上，用只依赖表面网格的源面元势流求解器生成速度与压力标签，并跨来流方向复用预计算速度场，摊薄后每个样本 0.111 秒。以这些标签预训练 Transolver 再在独立 CFD 数据集上微调，五个流场任务共 24 个任务–预算设置全部优于从零训练；固定 200 轮微调时，插值估计达到从零模型最大预算误差只需 35–68% 的 CFD 训练算例。

强化学习后训练中，训练引擎与推演引擎即使模型、权重和输入相同，也会因算子、并行方式和归约顺序不同而算出不同的对数概率，进而影响重要性比、KL 诊断和裁剪。vime 负责对齐训练时间线，RL-Kernel 负责对齐数值执行，二者在 AMD Instinct MI300X 上把注意力、前馈网络、对数概率和通信路径统一到同一数值契约。在 8 卡 MI300X 上运行 Qwen3-8B 的 GRPO 实验，严格路径连续 200 步的 mismatch_count 与 max_abs_diff 均为零。

强化学习后训练中，训练引擎与推演引擎即使模型、权重和输入相同，也会因算子、并行方式和归约顺序不同而算出不同的对数概率，进而影响重要性比、KL 诊断和裁剪。vime 负责对齐训练时间线，RL-Kernel 负责对齐数值执行，二者在 AMD Instinct MI300X 上把注意力、前馈网络、对数概率和通信路径统一到同一数值契约。在 8 卡 MI300X 上运行 Qwen3-8B 的 GRPO 实验，严格路径连续 200 步的 mismatch_count 与 max_abs_diff 均为零。

Anthropic 推出测试版 Claude Whiteboards 与 Claude Sheets，并把此前的 Claude Dashboards 转为正式版 Claude Data。此前与 Claude 协作常要把产出复制到别的工具，Claude 无法持续跟进改动；现在白板、表格和看板留在 Claude 内，团队可共同编辑，也能导出到 .xlsx、CSV 或 Lucid、Miro、Airtable 等合作工具继续工作。三项功能覆盖网页、桌面和移动端，Claude Data 需要数据连接器。

Anthropic 推出测试版 Claude Whiteboards 与 Claude Sheets，并把此前的 Claude Dashboards 转为正式版 Claude Data。此前与 Claude 协作常要把产出复制到别的工具，Claude 无法持续跟进改动；现在白板、表格和看板留在 Claude 内，团队可共同编辑，也能导出到 .xlsx、CSV 或 Lucid、Miro、Airtable 等合作工具继续工作。三项功能覆盖网页、桌面和移动端，Claude Data 需要数据连接器。

冷冻电镜能重建出密度图，却常常说不清图里是哪个分子；面对质谱或基因组给出的成百上千条候选序列，人工比对成了瓶颈。cryoID2用三个三维U-Net从图中预测结构类别、关键原子位置和简化后的残基或核苷酸类型，据此生成短序列片段去排序候选，再把候选对应的PDB或AlphaFold模型刚体拟合回密度图并按吻合度排序。在一个166条质谱候选池中，它把PF3D7_1446200/PfA-M17排在首位，并选出PDB 4ZX8为最佳结构模型；RNA一侧则在基因组非编码候选池中把含Ca-raiA的区间排到第四，最终由结构评估把PDB 9E73排到第一。

冷冻电镜能重建出密度图，却常常说不清图里是哪个分子；面对质谱或基因组给出的成百上千条候选序列，人工比对成了瓶颈。cryoID2用三个三维U-Net从图中预测结构类别、关键原子位置和简化后的残基或核苷酸类型，据此生成短序列片段去排序候选，再把候选对应的PDB或AlphaFold模型刚体拟合回密度图并按吻合度排序。在一个166条质谱候选池中，它把PF3D7_1446200/PfA-M17排在首位，并选出PDB 4ZX8为最佳结构模型；RNA一侧则在基因组非编码候选池中把含Ca-raiA的区间排到第四，最终由结构评估把PDB 9E73排到第一。

vLLM 项目的 Speculators 训练库新增对 2.8 万亿参数 Kimi K3 的支持，训练出五层、50 亿参数的 DSpark 草稿模型，用并行块加顺序校正做投机解码。在数学推理负载上，单流交互速度从约 110 提升到约 435 tok/s/user，并发下同等交互水平时输出吞吐最高约 3.5 倍；九个评测域的宏平均接受长度为每轮验证 4.11 个 token。

vLLM 项目的 Speculators 训练库新增对 2.8 万亿参数 Kimi K3 的支持，训练出五层、50 亿参数的 DSpark 草稿模型，用并行块加顺序校正做投机解码。在数学推理负载上，单流交互速度从约 110 提升到约 435 tok/s/user，并发下同等交互水平时输出吞吐最高约 3.5 倍；九个评测域的宏平均接受长度为每轮验证 4.11 个 token。

Hugging Face为“决策模型”定下统一接口：输入状态与若干带类型的问题，模型直接返回选项概率、有序评分或二值概率，而不生成任何文本。此前这类结构化判断要么靠大模型输出JSON、再受约束解码兜底，要么用固定标签分类器或零样本分类。Transformers、llama.cpp与Hub标签已按同一契约接入，兼容的自回归语言模型也能在不重新训练的情况下走这套接口。

Hugging Face为“决策模型”定下统一接口：输入状态与若干带类型的问题，模型直接返回选项概率、有序评分或二值概率，而不生成任何文本。此前这类结构化判断要么靠大模型输出JSON、再受约束解码兜底，要么用固定标签分类器或零样本分类。Transformers、llama.cpp与Hub标签已按同一契约接入，兼容的自回归语言模型也能在不重新训练的情况下走这套接口。

Hugging Face 为“决策模型”定下统一接口：输入一段状态和若干带类型的问题，模型直接返回选项概率、有序评分或真/假概率，而不逐字生成文本。此前这类结构化判断要么靠大模型输出 JSON，要么靠固定标签分类器或零样本分类。Transformers 新增 DecisionPipeline 等类，llama.cpp 提供同一 /v1/systemone 端点，兼容的自回归模型也能在不生成文本的情况下按选项打分。

Hugging Face 为“决策模型”定下统一接口：输入一段状态和若干带类型的问题，模型直接返回选项概率、有序评分或真/假概率，而不逐字生成文本。此前这类结构化判断要么靠大模型输出 JSON，要么靠固定标签分类器或零样本分类。Transformers 新增 DecisionPipeline 等类，llama.cpp 提供同一 /v1/systemone 端点，兼容的自回归模型也能在不生成文本的情况下按选项打分。

引力波族群研究要反复评估上百万个模拟双黑洞的可探测性，每次都要生成波形再做噪声加权内积，累计成本很高。asmaNet把11维双黑洞参数直接映射到单探测器相位平均最优信噪比，在10万到100万样本的匹配训练协议下，于每个数据规模都优于MLP、1D-ResNet和Transformer编码器基线，模型仅约73.2万参数。在100万样本的留出测试集上，经保序单调校准后准确率达到99.29%，单GPU每秒可完成约12万次信噪比评估。

引力波族群研究要反复评估上百万个模拟双黑洞的可探测性，每次都要生成波形再做噪声加权内积，累计成本很高。asmaNet把11维双黑洞参数直接映射到单探测器相位平均最优信噪比，在10万到100万样本的匹配训练协议下，于每个数据规模都优于MLP、1D-ResNet和Transformer编码器基线，模型仅约73.2万参数。在100万样本的留出测试集上，经保序单调校准后准确率达到99.29%，单GPU每秒可完成约12万次信噪比评估。

Adobe与谷歌宣布扩大合作，把Adobe的创意与生产力工具直接嵌入谷歌日常产品，同时把谷歌的前沿AI模型引入Adobe应用。具体安排包括：Google Drive与Gmail将出现通往Adobe Acrobat的直达入口，Gemini与Gemini Enterprise扩展Acrobat等连接器，Adobe创意工具进入谷歌搜索的AI Mode。企业侧可在Gemini Enterprise中使用Adobe的CX Enterprise Coworker智能体，Adobe与Google DeepMind还将探索面向Photoshop的图像模型编辑能力。

Adobe与谷歌宣布扩大合作，把Adobe的创意与生产力工具直接嵌入谷歌日常产品，同时把谷歌的前沿AI模型引入Adobe应用。具体安排包括：Google Drive与Gmail将出现通往Adobe Acrobat的直达入口，Gemini与Gemini Enterprise扩展Acrobat等连接器，Adobe创意工具进入谷歌搜索的AI Mode。企业侧可在Gemini Enterprise中使用Adobe的CX Enterprise Coworker智能体，Adobe与Google DeepMind还将探索面向Photoshop的图像模型编辑能力。

循环神经控制器要在神经元不断新生、位置移动、时间常数改变的发育过程中保持行为，此前只在初始或成熟单一底板上优化的控制器换到别的年龄往往失效。研究把发育时间作为输入交给一个紧凑的连接生成网络，在三个、五个或十五个发育快照上优化同一生成器，并在两种几何不同的底板和两项视运动任务上测试。只在三个快照上训练通常就足以让控制器在训练过和未训练过的年龄维持较高且较一致的表现，而生成的连接组随年龄大幅变化，并不收敛到单一的稀疏度或权重轨迹。

循环神经控制器要在神经元不断新生、位置移动、时间常数改变的发育过程中保持行为，此前只在初始或成熟单一底板上优化的控制器换到别的年龄往往失效。研究把发育时间作为输入交给一个紧凑的连接生成网络，在三个、五个或十五个发育快照上优化同一生成器，并在两种几何不同的底板和两项视运动任务上测试。只在三个快照上训练通常就足以让控制器在训练过和未训练过的年龄维持较高且较一致的表现，而生成的连接组随年龄大幅变化，并不收敛到单一的稀疏度或权重轨迹。

MiniMax 发布开源权重图像生成模型 H3-Image，支持文生图、参考图生成与图像编辑，可在 10 秒内生成 4096×4096 的 4K 图像，并称速度最高达主流方案的 5 倍。此前 4K 输出比常见的 1K、2K 更耗时，难以进入日常创作流程。这一速度来自后训练流程的整体改动，包括数据、强化学习、采样步数削减、PE 与部署优化，而非单项改动。

MiniMax 发布开源权重图像生成模型 H3-Image，支持文生图、参考图生成与图像编辑，可在 10 秒内生成 4096×4096 的 4K 图像，并称速度最高达主流方案的 5 倍。此前 4K 输出比常见的 1K、2K 更耗时，难以进入日常创作流程。这一速度来自后训练流程的整体改动，包括数据、强化学习、采样步数削减、PE 与部署优化，而非单项改动。

英伟达在KubeCon + CloudNativeCon上宣布将开源智能体安全与治理运行时OpenShell捐给云原生计算基金会（CNCF），使其成为由社区治理的沙箱项目，同时参与谷歌主导的Agent Substrate框架，并发布DSX AI工厂平台的三项新组件。OpenShell对智能体使用工具、访问推理服务和执行工作负载施加确定性控制，并允许接入自有算力、推理服务商、凭据存储与监控工具。英伟达称已有数百家组织使用OpenShell，项目在发布不到一年内收到数万次贡献。

英伟达在KubeCon + CloudNativeCon上宣布将开源智能体安全与治理运行时OpenShell捐给云原生计算基金会（CNCF），使其成为由社区治理的沙箱项目，同时参与谷歌主导的Agent Substrate框架，并发布DSX AI工厂平台的三项新组件。OpenShell对智能体使用工具、访问推理服务和执行工作负载施加确定性控制，并允许接入自有算力、推理服务商、凭据存储与监控工具。英伟达称已有数百家组织使用OpenShell，项目在发布不到一年内收到数万次贡献。

布料仿真通常把运动切成固定时间步，只在求解器网格上给出状态，想查任意时刻或求速度、加速度就得重跑或做有限差分。ContinuousCloth把布料轨迹表示成时间的可微函数，用弹簧-质量常微分方程的残差约束训练，从而在任意时间戳直接查询位置与导数。在六个边界条件场景中，它的轨迹精度与高精度四阶Runge-Kutta参考相当，稠密时间求值运行时间最高缩短17.4倍。

布料仿真通常把运动切成固定时间步，只在求解器网格上给出状态，想查任意时刻或求速度、加速度就得重跑或做有限差分。ContinuousCloth把布料轨迹表示成时间的可微函数，用弹簧-质量常微分方程的残差约束训练，从而在任意时间戳直接查询位置与导数。在六个边界条件场景中，它的轨迹精度与高精度四阶Runge-Kutta参考相当，稠密时间求值运行时间最高缩短17.4倍。

一台由商用实验室机器人、吸光度读板机和可替换优化器组成的自驱动实验室实验台，在六个独立实验中各完成48轮无人干预的闭环迭代，累计超过24小时。系统在六个实验中的五个把目标吸收光谱匹配到测量误差以内，平均RMSE为若干OD。在同一物理回路中，基于Claude Opus 5的智能体优化在三个目标上都比贝叶斯优化用更少迭代匹配成功，其中目标1减少52%、目标2减少32%，并在贝叶斯优化48轮内未能匹配的目标3上于11轮内收敛。

一台由商用实验室机器人、吸光度读板机和可替换优化器组成的自驱动实验室实验台，在六个独立实验中各完成48轮无人干预的闭环迭代，累计超过24小时。系统在六个实验中的五个把目标吸收光谱匹配到测量误差以内，平均RMSE为若干OD。在同一物理回路中，基于Claude Opus 5的智能体优化在三个目标上都比贝叶斯优化用更少迭代匹配成功，其中目标1减少52%、目标2减少32%，并在贝叶斯优化48轮内未能匹配的目标3上于11轮内收敛。

英伟达把 AI 工厂的内存问题从“GPU 有多少容量”改成“每个字节产出多少有用 token”，用 NVFP4 压缩权重与 KV 缓存、宽专家并行分散 MoE 权重、Dynamo 复用 KV 缓存、Vera CPU 暂存工具调用期间的上下文、CMX 在机架级共享上下文存储。在回放真实编码智能体会话的 SemiAnalysis AgentX 上，每 GPU 同为 288 GB 的 Vera Rubin NVL72 在每用户 160 token/s 下，每兆瓦吞吐最高达到 GB300 NVL72 的 30 倍。

英伟达把 AI 工厂的内存问题从“GPU 有多少容量”改成“每个字节产出多少有用 token”，用 NVFP4 压缩权重与 KV 缓存、宽专家并行分散 MoE 权重、Dynamo 复用 KV 缓存、Vera CPU 暂存工具调用期间的上下文、CMX 在机架级共享上下文存储。在回放真实编码智能体会话的 SemiAnalysis AgentX 上，每 GPU 同为 288 GB 的 Vera Rubin NVL72 在每用户 160 token/s 下，每兆瓦吞吐最高达到 GB300 NVL72 的 30 倍。

Periodic Neon是一个万亿参数模型，经实验室自有数据的中训练与强化学习后训练，被部署到Menlo Park的高通量实体实验室，用于分析X射线衍射结果。该模型在衍射分析任务上优于Claude Fable 5.1和GPT-6 Astra，且推理优化后可按规模部署。其训练数据来自实验室实验，而非弹性扩展的数字环境。

Periodic Neon是一个万亿参数模型，经实验室自有数据的中训练与强化学习后训练，被部署到Menlo Park的高通量实体实验室，用于分析X射线衍射结果。该模型在衍射分析任务上优于Claude Fable 5.1和GPT-6 Astra，且推理优化后可按规模部署。其训练数据来自实验室实验，而非弹性扩展的数字环境。

毫米波MIMO接收机里的软解映射不再逐符号独立计算。此前基于多层感知机的学习型解映射只看单个符号，经典解映射则依赖解析判决规则和高斯噪声假设，难以利用相邻符号间的残余失真结构。该工作改用一维卷积网络对整块均衡后符号联合处理，在60 GHz、四流、每流1.76 GHz带宽的实测空口数据上，单流版本相对传统软解映射在16QAM下最高取得2.6倍、在64QAM下最高17.6倍的误码率增益，并在RFSoC上用定点实现取得约34.3倍加速。

毫米波MIMO接收机里的软解映射不再逐符号独立计算。此前基于多层感知机的学习型解映射只看单个符号，经典解映射则依赖解析判决规则和高斯噪声假设，难以利用相邻符号间的残余失真结构。该工作改用一维卷积网络对整块均衡后符号联合处理，在60 GHz、四流、每流1.76 GHz带宽的实测空口数据上，单流版本相对传统软解映射在16QAM下最高取得2.6倍、在64QAM下最高17.6倍的误码率增益，并在RFSoC上用定点实现取得约34.3倍加速。

Google Cloud发布Gemini for healthcare，目标是把分散的临床、运营与行政系统连成一体，让医疗团队把原本孤立的数据转成协同行动。该平台通过专用技能与数据连接器接入电子健康记录、账单平台、临床指南和Medicare数据集，在既定护栏与人工监督下编排并执行病历综合、事前授权审核等多步流程。它目前以预览形式提供，并与HCA Healthcare、Highmark Health、Northwell Health等合作方一同启动。

Google Cloud发布Gemini for healthcare，目标是把分散的临床、运营与行政系统连成一体，让医疗团队把原本孤立的数据转成协同行动。该平台通过专用技能与数据连接器接入电子健康记录、账单平台、临床指南和Medicare数据集，在既定护栏与人工监督下编排并执行病历综合、事前授权审核等多步流程。它目前以预览形式提供，并与HCA Healthcare、Highmark Health、Northwell Health等合作方一同启动。

Mercor宣布完成7.5亿美元D轮融资，公司估值达200亿美元，本轮包含员工老股转让，Benchmark、NVIDIA、Salesforce等参与。此前两年，Mercor为前沿实验室在真实世界工作上训练和评测前沿模型搭建基础设施，依靠一个超过500万专家、按各自专业知识有偿训练模型的网络。现在它把这套专家网络、评测方法和后训练基础设施提供给大科技公司、开放模型开发者、应用层公司和财富500强企业，让企业基于能力较强的开放模型做后训练，并按自身真实工作流定制评测。

Mercor宣布完成7.5亿美元D轮融资，公司估值达200亿美元，本轮包含员工老股转让，Benchmark、NVIDIA、Salesforce等参与。此前两年，Mercor为前沿实验室在真实世界工作上训练和评测前沿模型搭建基础设施，依靠一个超过500万专家、按各自专业知识有偿训练模型的网络。现在它把这套专家网络、评测方法和后训练基础设施提供给大科技公司、开放模型开发者、应用层公司和财富500强企业，让企业基于能力较强的开放模型做后训练，并按自身真实工作流定制评测。

牛顿系统的守恒量通常要先写出运动方程、再解一组依赖势函数的对称性偏微分方程。这里把动力学经 Eisenhart-Duval 提升嵌入一个扩展度规，使对称性条件化为该度规的 Killing 或共形 Killing 方程，再用一个从相空间数据学势函数的 Hamiltonian 神经网络与一个随机特征网络求解。在一维 Ermakov-Pinney 方程上，二维平坦扩展空间的三条 Killing 矢量及其非局部守恒量被恢复；在一维谐振子上，十维共形代数在噪声下被重建。

牛顿系统的守恒量通常要先写出运动方程、再解一组依赖势函数的对称性偏微分方程。这里把动力学经 Eisenhart-Duval 提升嵌入一个扩展度规，使对称性条件化为该度规的 Killing 或共形 Killing 方程，再用一个从相空间数据学势函数的 Hamiltonian 神经网络与一个随机特征网络求解。在一维 Ermakov-Pinney 方程上，二维平坦扩展空间的三条 Killing 矢量及其非局部守恒量被恢复；在一维谐振子上，十维共形代数在噪声下被重建。

隐马尔可夫伊辛模型把统计物理中的伊辛模型作为隐马尔可夫链的发射分布，用来刻画一张二元网络随时间发生的状态切换；伊辛模型的归一化常数随节点数指数增长，拟合因此改用伪似然完成 Baum-Welch 的再估计，并给出伪似然算法的有效性、可辨识性与大网络一致性结论。模型进一步引入外生协变量，形成隐马尔可夫自 Logistic 模型，并在 2021 至 2025 年美国本土 3109 个县的每周枪击死亡事件序列上识别出暴力活动的状态变化。

隐马尔可夫伊辛模型把统计物理中的伊辛模型作为隐马尔可夫链的发射分布，用来刻画一张二元网络随时间发生的状态切换；伊辛模型的归一化常数随节点数指数增长，拟合因此改用伪似然完成 Baum-Welch 的再估计，并给出伪似然算法的有效性、可辨识性与大网络一致性结论。模型进一步引入外生协变量，形成隐马尔可夫自 Logistic 模型，并在 2021 至 2025 年美国本土 3109 个县的每周枪击死亡事件序列上识别出暴力活动的状态变化。

抗冻肽发现长期受限于候选序列多样性不足、依赖已知蛋白骨架。AFPFusionLM把序列与结构感知表示融合，在独立参照集上取得0.937的AUROC和0.957的AUPRC；配合LoRA适配的生成模型与多模型共识筛选，从UniProt、冰川宏基因组和生成序列中保留87,305条候选蛋白记录，并在多个候选簇中发现周期性串联重复结构。据此选出的重复相关家族短肽在冰重结晶抑制实验中，多个成员达到或超过同批次文献参照肽的抑冰水平。

抗冻肽发现长期受限于候选序列多样性不足、依赖已知蛋白骨架。AFPFusionLM把序列与结构感知表示融合，在独立参照集上取得0.937的AUROC和0.957的AUPRC；配合LoRA适配的生成模型与多模型共识筛选，从UniProt、冰川宏基因组和生成序列中保留87,305条候选蛋白记录，并在多个候选簇中发现周期性串联重复结构。据此选出的重复相关家族短肽在冰重结晶抑制实验中，多个成员达到或超过同批次文献参照肽的抑冰水平。

Humans& 开发的 Ampersand 语言模型现已通过 AI Gateway 免费提供，免费期至 2026 年 11 月 13 日。它面向团队聊天这类多人对话，在每一轮判断应当发言还是保持安静，并理解个人与共同目标、协助处理分歧。应用把发言和沉默分别暴露为 send_message 与 pass 两个调用方定义的工具，由应用执行并记录结果；模型接受 auto 和 none 两种工具选择，拒绝 required 与 named。

Humans& 开发的 Ampersand 语言模型现已通过 AI Gateway 免费提供，免费期至 2026 年 11 月 13 日。它面向团队聊天这类多人对话，在每一轮判断应当发言还是保持安静，并理解个人与共同目标、协助处理分歧。应用把发言和沉默分别暴露为 send_message 与 pass 两个调用方定义的工具，由应用执行并记录结果；模型接受 auto 和 none 两种工具选择，拒绝 required 与 named。

Cloudflare 把个人 AI 智能体在网站上造成的身份问题摆上台面：远程托管的智能体替用户行动，网站却只看到智能体，难以识别、服务并追责其背后的用户。它提出以身份、信誉和问责三项机制维持网站与用户的关系，并已上线三项能力：把个人助理列为独立流量类别、按智能体分别设置访问策略、在登录注册时显示请求来自哪个智能体。

Cloudflare 把个人 AI 智能体在网站上造成的身份问题摆上台面：远程托管的智能体替用户行动，网站却只看到智能体，难以识别、服务并追责其背后的用户。它提出以身份、信誉和问责三项机制维持网站与用户的关系，并已上线三项能力：把个人助理列为独立流量类别、按智能体分别设置访问策略、在登录注册时显示请求来自哪个智能体。

海洋地震勘探中，SRME（表面相关多次波消除）先预测多次波，再用匹配滤波把它从原始记录中减掉；传统做法要么用固定长度的平稳滤波，要么用带局部平滑约束的非平稳回归，在信号快速变化处受限。PDL把这一匹配滤波换成由自适应匹配滤波方程引导训练的自监督神经网络，用分块方式把地震剖面切成大量小块训练，从而学到全局最优的非平稳匹配。在合成数据和Viking Graben实际数据上，PDL相对经典非平稳最小二乘匹配滤波减少了多次波残留，并更好地保留了弱有效信号和波形连续性。

海洋地震勘探中，SRME（表面相关多次波消除）先预测多次波，再用匹配滤波把它从原始记录中减掉；传统做法要么用固定长度的平稳滤波，要么用带局部平滑约束的非平稳回归，在信号快速变化处受限。PDL把这一匹配滤波换成由自适应匹配滤波方程引导训练的自监督神经网络，用分块方式把地震剖面切成大量小块训练，从而学到全局最优的非平稳匹配。在合成数据和Viking Graben实际数据上，PDL相对经典非平稳最小二乘匹配滤波减少了多次波残留，并更好地保留了弱有效信号和波形连续性。

Anthropic 推出 Claude 5.5 家族的首个模型 Claude Opus 5.5，官方称其在多数工作上达到 Claude Fable 5.1 的水平，而运行成本比 Opus 5 低 40%。定价为每百万输入/输出 token 4/20 美元，比 Opus 5 低 20%，缓存价格 0.20 美元、低 60%；官方估计典型工作负载总成本通常下降 40%、速度提升 30%。该模型支持零数据保留，安全护栏与 Fable 5.1 相近，官方强调其智能体编程、安全与沟通能力。

Anthropic 推出 Claude 5.5 家族的首个模型 Claude Opus 5.5，官方称其在多数工作上达到 Claude Fable 5.1 的水平，而运行成本比 Opus 5 低 40%。定价为每百万输入/输出 token 4/20 美元，比 Opus 5 低 20%，缓存价格 0.20 美元、低 60%；官方估计典型工作负载总成本通常下降 40%、速度提升 30%。该模型支持零数据保留，安全护栏与 Fable 5.1 相近，官方强调其智能体编程、安全与沟通能力。

肿瘤亚型本身有层级结构，从原发癌种一路细分到分子亚型，但多数分类模型把标签摊平处理，忽略了层级之间的生物学约束。HHRM把癌症标志基因网络与递归模块结合，在26种原发癌、405个亚型、最多八级的11,476例泛癌样本上逐层预测，局部输出模式下准确率为0.7924，高于所比较的层级分类模型。在1,608例乳腺癌独立数据上重新训练后，测试与验证准确率均超过0.86。

肿瘤亚型本身有层级结构，从原发癌种一路细分到分子亚型，但多数分类模型把标签摊平处理，忽略了层级之间的生物学约束。HHRM把癌症标志基因网络与递归模块结合，在26种原发癌、405个亚型、最多八级的11,476例泛癌样本上逐层预测，局部输出模式下准确率为0.7924，高于所比较的层级分类模型。在1,608例乳腺癌独立数据上重新训练后，测试与验证准确率均超过0.86。

Anthropic 的 Claude Fable 5.2 已通过 AI Gateway 提供调用，面向开放式技术工作，在编码、推理和视觉上较早期 Fable 模型有所改进，并能无人值守地执行冗长而含糊的任务。它既可充当编排者把简单任务交给更小的模型，也可作为顾问供其他 Claude 模型在难题上咨询，输出更快、表达更清晰。该模型启用了网络安全与生物学安全分类器，且访问要求数据保留：提示与补全保留 30 天、不用于训练 Claude，开启零数据保留的团队会收到错误而非请求被转发。

Anthropic 的 Claude Fable 5.2 已通过 AI Gateway 提供调用，面向开放式技术工作，在编码、推理和视觉上较早期 Fable 模型有所改进，并能无人值守地执行冗长而含糊的任务。它既可充当编排者把简单任务交给更小的模型，也可作为顾问供其他 Claude 模型在难题上咨询，输出更快、表达更清晰。该模型启用了网络安全与生物学安全分类器，且访问要求数据保留：提示与补全保留 30 天、不用于训练 Claude，开启零数据保留的团队会收到错误而非请求被转发。

Micius-Flash是一个27B参数、支持原生多模态输入与256K上下文窗口的工程模型，以半导体工程为主要专精与评测领域，并以开源模型形式发布。它用知识树驱动的数据飞轮组织半导体知识、合成数据并做质量校验，再以多教师在线策略蒸馏把知识推理、硬件编码、多模态理解与智能体四类专家能力合并进一个学生模型。在12个硬件编码基准上均分64.2%，比同尺寸通用基线高15.0分；在半导体专用智能体基准上得62.4%，高出同尺寸基线17.2分。

Micius-Flash是一个27B参数、支持原生多模态输入与256K上下文窗口的工程模型，以半导体工程为主要专精与评测领域，并以开源模型形式发布。它用知识树驱动的数据飞轮组织半导体知识、合成数据并做质量校验，再以多教师在线策略蒸馏把知识推理、硬件编码、多模态理解与智能体四类专家能力合并进一个学生模型。在12个硬件编码基准上均分64.2%，比同尺寸通用基线高15.0分；在半导体专用智能体基准上得62.4%，高出同尺寸基线17.2分。

英伟达为自家DGX SuperPOD运维开发了AI Factory Operations Agent，让站点可靠性工程师不必逐个查看计算、网络、硬件和调度仪表盘。该智能体由面向不同运维领域的专用子智能体组成，通过MCP协议通信，在生产中检测故障、跨层关联根因并经聊天界面给出建议。框架以Kubernetes控制面应用形式部署，工具调用受只读凭据和RBAC约束，编排框架以实验性开源软件发布。

英伟达为自家DGX SuperPOD运维开发了AI Factory Operations Agent，让站点可靠性工程师不必逐个查看计算、网络、硬件和调度仪表盘。该智能体由面向不同运维领域的专用子智能体组成，通过MCP协议通信，在生产中检测故障、跨层关联根因并经聊天界面给出建议。框架以Kubernetes控制面应用形式部署，工具调用受只读凭据和RBAC约束，编排框架以实验性开源软件发布。

临床预测模型常以文件形式交付、训练数据不随之公开，审计者需要判断它究竟算出了什么。研究者在模拟的蛛网膜下腔出血队列上训练 105 至 38,401 权重的 tanh 网络，并植入已知关系或标签偏差，让 GPT-6 Astra 在无工具、白盒计算工具和仅给预测的黑盒工具三种条件下作答。无工具时 Astra 在 353 权重网络上找回植入关系，到 3,457 权重便不可靠；接入只做计算的工具后，它在全部 29 次含植入关系的运行中找回关系，15 次零网络运行未报假警，黑盒与白盒表现相当。

临床预测模型常以文件形式交付、训练数据不随之公开，审计者需要判断它究竟算出了什么。研究者在模拟的蛛网膜下腔出血队列上训练 105 至 38,401 权重的 tanh 网络，并植入已知关系或标签偏差，让 GPT-6 Astra 在无工具、白盒计算工具和仅给预测的黑盒工具三种条件下作答。无工具时 Astra 在 353 权重网络上找回植入关系，到 3,457 权重便不可靠；接入只做计算的工具后，它在全部 29 次含植入关系的运行中找回关系，15 次零网络运行未报假警，黑盒与白盒表现相当。

MODIS像素常覆盖一整块或数块农田，粗信号是多种作物的混合，直接由粗到细分类难以稳定。UnMixMamba把解混得到的丰度场作为共享中间量，让重建、分类和稀疏细化都读同一组分数，并用可学习的每类端元变体吸收类内光谱差异。在阿尔伯塔2015年183个空间分块测试片上，它取得OA 0.8397、mIoU 0.6640、AA 0.7837、Kappa 0.7715，高于ST-DRes等基线，大麦召回率0.5496为对比中最高；任务限定在已知农业掩膜内的四类作物闭集制图。

MODIS像素常覆盖一整块或数块农田，粗信号是多种作物的混合，直接由粗到细分类难以稳定。UnMixMamba把解混得到的丰度场作为共享中间量，让重建、分类和稀疏细化都读同一组分数，并用可学习的每类端元变体吸收类内光谱差异。在阿尔伯塔2015年183个空间分块测试片上，它取得OA 0.8397、mIoU 0.6640、AA 0.7837、Kappa 0.7715，高于ST-DRes等基线，大麦召回率0.5496为对比中最高；任务限定在已知农业掩膜内的四类作物闭集制图。

Google 的 Android 团队发布名为 Android skills 的仓库，用遵循开放智能体技能标准的 SKILL.md 文件把 Android 开发任务写成模块化技术说明，为 AI 智能体补上专门领域与工作流的信息。技能优先覆盖评估显示大模型表现不佳的用例，而不优先处理大模型已擅长的领域，例如基础的 Jetpack Compose 最佳实践。技能可通过 Android CLI 或 Claude Code、Codex 的插件市场安装，智能体遇到相关任务时会自动启用。

Google 的 Android 团队发布名为 Android skills 的仓库，用遵循开放智能体技能标准的 SKILL.md 文件把 Android 开发任务写成模块化技术说明，为 AI 智能体补上专门领域与工作流的信息。技能优先覆盖评估显示大模型表现不佳的用例，而不优先处理大模型已擅长的领域，例如基础的 Jetpack Compose 最佳实践。技能可通过 Android CLI 或 Claude Code、Codex 的插件市场安装，智能体遇到相关任务时会自动启用。

一个放射科智能体框架把大语言模型编排器与模块化工具接口分开，用FDA已获批放射科AI设备整理出的1,989个发现类别作为工具目录，在PARROT虚构报告语料上模拟生成结构化报告。仅凭临床指征规划时，已获批目录下的可操作发现召回率为0.290，工具无限目录为0.437；若让规划器直接读目标报告，两者分别升至0.426和0.740。工具输出均由参考报告模拟，因此比较隔离的是工具覆盖与编排，而非工具误差。

一个放射科智能体框架把大语言模型编排器与模块化工具接口分开，用FDA已获批放射科AI设备整理出的1,989个发现类别作为工具目录，在PARROT虚构报告语料上模拟生成结构化报告。仅凭临床指征规划时，已获批目录下的可操作发现召回率为0.290，工具无限目录为0.437；若让规划器直接读目标报告，两者分别升至0.426和0.740。工具输出均由参考报告模拟，因此比较隔离的是工具覆盖与编排，而非工具误差。

白内障术前多模态数据中SLO影像常缺失，此前的方法多在融合阶段抑制缺失影响或用零值填充，而不显式补出该模态的任务相关表示。这项工作把缺失SLO当作潜特征空间中的代理表示恢复问题，用OCT图像特征与临床文本特征作为条件，驱动扩散模型反向去噪估计样本特异的SLO代理表示，再送入融合预测网络。在2141例术前样本、SLO缺失率58.80%的数据上，该方法在绝对误差不超过0.1 LogMAR的判据下准确率为0.9714、平均绝对误差0.0423，优于UML骨干基线的0.9625与0.0457。

白内障术前多模态数据中SLO影像常缺失，此前的方法多在融合阶段抑制缺失影响或用零值填充，而不显式补出该模态的任务相关表示。这项工作把缺失SLO当作潜特征空间中的代理表示恢复问题，用OCT图像特征与临床文本特征作为条件，驱动扩散模型反向去噪估计样本特异的SLO代理表示，再送入融合预测网络。在2141例术前样本、SLO缺失率58.80%的数据上，该方法在绝对误差不超过0.1 LogMAR的判据下准确率为0.9714、平均绝对误差0.0423，优于UML骨干基线的0.9625与0.0457。

KdV方程的孤子解在色散参数变化时通常要重新训练物理信息神经网络，长时外推也容易失真。缩放TW-PINN先把方程归一化、在归一化坐标里训练一次，再逆缩放回原变量；单孤子情形用行波坐标网络，双孤子情形分两步先学各自速度再学相互作用。数值实验中，双孤子模型在训练域外十倍范围仍保持剖面，三孤子实验也复现了碰撞与分离。

KdV方程的孤子解在色散参数变化时通常要重新训练物理信息神经网络，长时外推也容易失真。缩放TW-PINN先把方程归一化、在归一化坐标里训练一次，再逆缩放回原变量；单孤子情形用行波坐标网络，双孤子情形分两步先学各自速度再学相互作用。数值实验中，双孤子模型在训练域外十倍范围仍保持剖面，三孤子实验也复现了碰撞与分离。

Tether AI Research 发布 0.8B 参数的端侧个人助手模型 BotPsy，基于 Qwen3.5-0.8B 经四阶段后训练强化工具调用。相比基座，BFCL v4 从 23.4 升到 44.0、ACEBench 从 30.1 升到 58.7、τ-bench 从 23.2 升到 51.5；在六项工具调用与智能体基准中五项领先，仅 Claw-Eval 落后于 2.5 倍大的 Qwen3.5-2B-Think。

Tether AI Research 发布 0.8B 参数的端侧个人助手模型 BotPsy，基于 Qwen3.5-0.8B 经四阶段后训练强化工具调用。相比基座，BFCL v4 从 23.4 升到 44.0、ACEBench 从 30.1 升到 58.7、τ-bench 从 23.2 升到 51.5；在六项工具调用与智能体基准中五项领先，仅 Claw-Eval 落后于 2.5 倍大的 Qwen3.5-2B-Think。

在二维衰减纳维–斯托克斯流上，三项预注册研究把潜空间里常被当作“学到物理”的证据拆成可解码、显著与可操控三种性质。联合嵌入预测架构（JEPA）在三个探针目标上优于同架构未训练网络，却未达到预注册的物理组织标准；渲染场的自编码器让拟能（enstrophy，涡量平方的均值）在无监督慢方向中显著，加入VICReg正则后显著度在每对比较中下降而线性可解码性上升；通过分流信息构造的可调方向在密封数据上于全部8个训练模型中找到响度旋钮，谱形旋钮只在5个新种子中的3个出现，低于预设的4个门槛。

在二维衰减纳维–斯托克斯流上，三项预注册研究把潜空间里常被当作“学到物理”的证据拆成可解码、显著与可操控三种性质。联合嵌入预测架构（JEPA）在三个探针目标上优于同架构未训练网络，却未达到预注册的物理组织标准；渲染场的自编码器让拟能（enstrophy，涡量平方的均值）在无监督慢方向中显著，加入VICReg正则后显著度在每对比较中下降而线性可解码性上升；通过分流信息构造的可调方向在密封数据上于全部8个训练模型中找到响度旋钮，谱形旋钮只在5个新种子中的3个出现，低于预设的4个门槛。

Sakana AI 与 Modal 合作，把约 1 万亿参数的混合专家模型 Sakana Namazu 以 NVFP4 精度部署到生产 API。压缩只作用于承载大部分参数的路由专家，注意力、路由器和共享专家保持 BF16，并用偏重日语的对话数据校准，使模型在日语指令遵循上与生产检查点相当。定制草稿模型在超过 300 亿原始 token 上训练，相比通用草稿模型把投机 token 接受率提高 25%；上线后用约 100 万条真实请求重训的第二版草稿模型，在 1000 条留出请求回放中把平均接受长度从 3.51 提到 5.01，p99 延迟从 68 秒降到 52 秒。

Sakana AI 与 Modal 合作，把约 1 万亿参数的混合专家模型 Sakana Namazu 以 NVFP4 精度部署到生产 API。压缩只作用于承载大部分参数的路由专家，注意力、路由器和共享专家保持 BF16，并用偏重日语的对话数据校准，使模型在日语指令遵循上与生产检查点相当。定制草稿模型在超过 300 亿原始 token 上训练，相比通用草稿模型把投机 token 接受率提高 25%；上线后用约 100 万条真实请求重训的第二版草稿模型，在 1000 条留出请求回放中把平均接受长度从 3.51 提到 5.01，p99 延迟从 68 秒降到 52 秒。

OpenAI 的 Daybreak Red 把面向网络安全的专用模型接入 AWS GovCloud（美国东部），使通过审批的政府安全团队能在其任务所用的 AWS 环境中调用 GPT‑5.6 Cyber。此前 Daybreak 模型已在 Amazon Bedrock 上提供，这次扩展把可用范围延伸到政府云区域。该模型用于经授权的漏洞研究、漏洞利用验证和安全测试，可协助防御者调查复杂软件弱点、在受控环境中复现漏洞并制定缓解措施，但结论与修复方案仍需合格安全人员复核。

OpenAI 的 Daybreak Red 把面向网络安全的专用模型接入 AWS GovCloud（美国东部），使通过审批的政府安全团队能在其任务所用的 AWS 环境中调用 GPT‑5.6 Cyber。此前 Daybreak 模型已在 Amazon Bedrock 上提供，这次扩展把可用范围延伸到政府云区域。该模型用于经授权的漏洞研究、漏洞利用验证和安全测试，可协助防御者调查复杂软件弱点、在受控环境中复现漏洞并制定缓解措施，但结论与修复方案仍需合格安全人员复核。

个体级轨迹生成器能造出像样的单条轨迹，但把大量个体汇总后，位移分布的重尾往往对不上真实数据。ScaleTraj把下一步位置预测拆成两步：先由尺度选择头决定这次移动属于哪个空间尺度，再由尺度感知单元选择头在该尺度条件下预测目的地。在GeoLife与腾讯北京两个数据集上，它的尺度保真度剖面误差和截断幂律拟合参数偏差都低于所比较的模型驱动与数据驱动基线。

个体级轨迹生成器能造出像样的单条轨迹，但把大量个体汇总后，位移分布的重尾往往对不上真实数据。ScaleTraj把下一步位置预测拆成两步：先由尺度选择头决定这次移动属于哪个空间尺度，再由尺度感知单元选择头在该尺度条件下预测目的地。在GeoLife与腾讯北京两个数据集上，它的尺度保真度剖面误差和截断幂律拟合参数偏差都低于所比较的模型驱动与数据驱动基线。

OpenAI宣布与安全公司Hacktron建立合作，双方工程师与安全研究员共同挑选高优先级区域做漏洞测试，重点放在OpenAI系统与第三方服务的交互上。Hacktron此前通过OpenAI的漏洞赏金计划被发现，其团队构建用于代码审查、渗透测试和红队测试的AI智能体，曾披露应用、云基础设施与身份系统交互中的漏洞。作为合作的一部分，OpenAI通过Daybreak Red扩大Hacktron对前沿模型的访问权限。

OpenAI宣布与安全公司Hacktron建立合作，双方工程师与安全研究员共同挑选高优先级区域做漏洞测试，重点放在OpenAI系统与第三方服务的交互上。Hacktron此前通过OpenAI的漏洞赏金计划被发现，其团队构建用于代码审查、渗透测试和红队测试的AI智能体，曾披露应用、云基础设施与身份系统交互中的漏洞。作为合作的一部分，OpenAI通过Daybreak Red扩大Hacktron对前沿模型的访问权限。

Tether AI Research发布BotPsy，一个基于Qwen3.5-0.8B、面向函数调用与智能体工作流的0.8B参数模型，可在设备端运行。它经监督微调、多教师在线蒸馏和两轮强化学习训练，在BFCL v4上从基座的23.4升到44.0，在τ-bench上从23.2升到51.5，并在六项工具调用与智能体基准中的五项超过参数量为其2.5倍的Qwen3.5-2B-Think，仅在Claw-Eval上落后（46.5对48.9）。模型仍会出错，定位为低到中等难度任务，不适用于高风险场景。

Tether AI Research发布BotPsy，一个基于Qwen3.5-0.8B、面向函数调用与智能体工作流的0.8B参数模型，可在设备端运行。它经监督微调、多教师在线蒸馏和两轮强化学习训练，在BFCL v4上从基座的23.4升到44.0，在τ-bench上从23.2升到51.5，并在六项工具调用与智能体基准中的五项超过参数量为其2.5倍的Qwen3.5-2B-Think，仅在Claw-Eval上落后（46.5对48.9）。模型仍会出错，定位为低到中等难度任务，不适用于高风险场景。

在存储或标注预算下为检索增强生成挑选文档片段时，选出的集合相对最优可行集合会损失多少查询覆盖，此前缺少在数据依赖选择之后仍然有效的有限样本保证。这项工作把选择与审计分开：试点阶段选集合、筛候选并搭建比较网络，随后一次独立审计按可观测分层内的固定概率获取相关性标签，给出对所有保留覆盖对比同时成立的上界，并用模拟验证其名义置信水平。

在存储或标注预算下为检索增强生成挑选文档片段时，选出的集合相对最优可行集合会损失多少查询覆盖，此前缺少在数据依赖选择之后仍然有效的有限样本保证。这项工作把选择与审计分开：试点阶段选集合、筛候选并搭建比较网络，随后一次独立审计按可观测分层内的固定概率获取相关性标签，给出对所有保留覆盖对比同时成立的上界，并用模拟验证其名义置信水平。

谷歌把 Gemini Intelligence 从今年夏天开始出货的 Pixel 11 与三星 Galaxy Z Fold8 Ultra、Z Fold8、Z Flip8、S26 系列，扩展到摩托罗拉首款搭载该功能的 motorola signature 27 以及 Pixel 10 系列。新增的 Create My Widget 让用户用一句自己的话描述生成个性化小组件，无需写代码，并可调用 Gmail、日历和搜索的信息；Device Assistance 则让用户通过提问来清理空间、检查应用权限或静音干扰。Rambler 把口述实时整理成文本，任务自动化扩展到英国、印度和日本，主动建议也将进入 Android Auto。

谷歌把 Gemini Intelligence 从今年夏天开始出货的 Pixel 11 与三星 Galaxy Z Fold8 Ultra、Z Fold8、Z Flip8、S26 系列，扩展到摩托罗拉首款搭载该功能的 motorola signature 27 以及 Pixel 10 系列。新增的 Create My Widget 让用户用一句自己的话描述生成个性化小组件，无需写代码，并可调用 Gmail、日历和搜索的信息；Device Assistance 则让用户通过提问来清理空间、检查应用权限或静音干扰。Rambler 把口述实时整理成文本，任务自动化扩展到英国、印度和日本，主动建议也将进入 Android Auto。

Meta 推出 Your algorithm，让 Facebook 用户用自然语言直接说明想看和不想看的内容，并让这些偏好同时作用于 Feed 与 Reels。此前推荐系统主要依赖隐式互动信号，扩展性好但适应慢、细节少。该系统用一组大语言模型完成兴趣推断、偏好校验和最终重排，并通过补充拉取与缓存失效让改动更快生效；Meta 同时指出，对模糊输入的理解和更精确的响应仍是待解问题。

Meta 推出 Your algorithm，让 Facebook 用户用自然语言直接说明想看和不想看的内容，并让这些偏好同时作用于 Feed 与 Reels。此前推荐系统主要依赖隐式互动信号，扩展性好但适应慢、细节少。该系统用一组大语言模型完成兴趣推断、偏好校验和最终重排，并通过补充拉取与缓存失效让改动更快生效；Meta 同时指出，对模糊输入的理解和更精确的响应仍是待解问题。

Preferred Networks 以与 NICT 共同研究得到的预训练模型 PLaMo 3 NICT 为基础，用日本金融领域数据追加学习，公开了金融特化小规模语言模型 PLaMo 3.0 Fin 的开放权重。该模型面向金融机构实务，具备先推理再作答的 Reasoning 功能并以日语输出推理过程，还能调用网页搜索、计算和内部数据库等外部工具。小型化使其在云端闭域或本地环境中从单张 GPU 起即可运行，并以 AI 智能体核心模型的形态用于问询分类、单据信息抽取和告警分析等业务。

Preferred Networks 以与 NICT 共同研究得到的预训练模型 PLaMo 3 NICT 为基础，用日本金融领域数据追加学习，公开了金融特化小规模语言模型 PLaMo 3.0 Fin 的开放权重。该模型面向金融机构实务，具备先推理再作答的 Reasoning 功能并以日语输出推理过程，还能调用网页搜索、计算和内部数据库等外部工具。小型化使其在云端闭域或本地环境中从单张 GPU 起即可运行，并以 AI 智能体核心模型的形态用于问询分类、单据信息抽取和告警分析等业务。

在首尔COEX举行的MSIT-NVIDIA AI初创企业合作论坛上，英伟达宣布投资韩国初创公司Point2，并计划对Motif Technologies、RLWRLD和Upstage追加投资。这四家公司分别覆盖AI互连、基础模型与智能体、机器人基础模型和企业文档AI，横跨从基础设施到模型再到机器人应用的完整AI栈。此次公布的是投资意向，英伟达未披露金额、条款或完成时间。

在首尔COEX举行的MSIT-NVIDIA AI初创企业合作论坛上，英伟达宣布投资韩国初创公司Point2，并计划对Motif Technologies、RLWRLD和Upstage追加投资。这四家公司分别覆盖AI互连、基础模型与智能体、机器人基础模型和企业文档AI，横跨从基础设施到模型再到机器人应用的完整AI栈。此次公布的是投资意向，英伟达未披露金额、条款或完成时间。

Mistral 在 AI Gateway 上为 Mistral Large 4 换上更新权重，并下调输入、缓存输入与输出 token 的价格。按 Mistral 的发布说明，新权重提升了智能体编程与防御性网络安全能力，在编程任务上 token 效率更高，同时改善表格创建与编辑、网络调研以及对提示注入的抵抗。已在 AI Gateway 上调用 mistral/mistral-large-4 的用户无需更换模型 ID，即可用上新权重与新价格。

Mistral 在 AI Gateway 上为 Mistral Large 4 换上更新权重，并下调输入、缓存输入与输出 token 的价格。按 Mistral 的发布说明，新权重提升了智能体编程与防御性网络安全能力，在编程任务上 token 效率更高，同时改善表格创建与编辑、网络调研以及对提示注入的抵抗。已在 AI Gateway 上调用 mistral/mistral-large-4 的用户无需更换模型 ID，即可用上新权重与新价格。

IBM 研究团队发布 Palette，把做演示文稿拆成“设计师写结构化简报、编码器逐页写 pptxgenjs 代码”两个角色，用同一个 LoRA 适配器承载，并以约1000套、约1万页合成数据训练一个20B开放权重模型。训练数据遵循 IBM Design Language，每页生成后由几何检查器渲染测量、只保留经确认改进的修复。在 PresentBench 上，Palette 在经济学与教育两个领域排第一，在演讲类排第三，三域均值59.7分，落后 NotebookLM 的60.8分1.1分。

IBM 研究团队发布 Palette，把做演示文稿拆成“设计师写结构化简报、编码器逐页写 pptxgenjs 代码”两个角色，用同一个 LoRA 适配器承载，并以约1000套、约1万页合成数据训练一个20B开放权重模型。训练数据遵循 IBM Design Language，每页生成后由几何检查器渲染测量、只保留经确认改进的修复。在 PresentBench 上，Palette 在经济学与教育两个领域排第一，在演讲类排第三，三域均值59.7分，落后 NotebookLM 的60.8分1.1分。

50岁以下乳腺癌患者样本少，预后模型难以训练，LSAT-EN把年长患者队列当作源域，在六个组学层上分别调节向源模型系数靠拢的强度，同时用弹性网做变量选择。在TCGA-BRCA数据上，以60岁及以上为源、50岁以下为目标，四年二分类生存预测的AUC为0.819，高于合并建模的0.774、仅用目标队列的0.757、glmtrans的0.728和GAS-EN的0.780。模拟中源目标差异越大、目标训练样本越少，分层借力的优势越明显。

50岁以下乳腺癌患者样本少，预后模型难以训练，LSAT-EN把年长患者队列当作源域，在六个组学层上分别调节向源模型系数靠拢的强度，同时用弹性网做变量选择。在TCGA-BRCA数据上，以60岁及以上为源、50岁以下为目标，四年二分类生存预测的AUC为0.819，高于合并建模的0.774、仅用目标队列的0.757、glmtrans的0.728和GAS-EN的0.780。模拟中源目标差异越大、目标训练样本越少，分层借力的优势越明显。

美国能源部Genesis Mission的多个团队正把Undermind直接接入各自搭建的自主研究系统，让智能体在检索既有工作、评估科学证据后把结论带入下一阶段研究，并保留科学家可核查的引用。该任务汇集国家实验室、大学与产业界，目标是十年内把美国研究的产出与影响力翻倍；Undermind是Genesis Mission Consortium的正式成员，其成员目录把这一角色描述为自主研究循环的核心基础设施。

美国能源部Genesis Mission的多个团队正把Undermind直接接入各自搭建的自主研究系统，让智能体在检索既有工作、评估科学证据后把结论带入下一阶段研究，并保留科学家可核查的引用。该任务汇集国家实验室、大学与产业界，目标是十年内把美国研究的产出与影响力翻倍；Undermind是Genesis Mission Consortium的正式成员，其成员目录把这一角色描述为自主研究循环的核心基础设施。

OpenAI新设“国家安全现代化高级顾问”一职，由曾任美国第26任陆军部长的Dan Driscoll出任。他将与OpenAI高层及政府、产业、学界和盟国机构合作，就先进AI如何强化国家与网络安全提供建议，重点是与美国盟友推进民主AI的负责任使用，并帮助OpenAI内部团队理解全球国家安全机构的实际运作需求。

OpenAI新设“国家安全现代化高级顾问”一职，由曾任美国第26任陆军部长的Dan Driscoll出任。他将与OpenAI高层及政府、产业、学界和盟国机构合作，就先进AI如何强化国家与网络安全提供建议，重点是与美国盟友推进民主AI的负责任使用，并帮助OpenAI内部团队理解全球国家安全机构的实际运作需求。

OpenAI 更新了公开描述模型行为方式的 Model Spec，把原有准则重新组织到忠实于人类意图、减少伤害、诚实与透明、促进人的自主性和关怀这五项价值之下。此前该规范以分散的原则和大量细致文风规定呈现；这次修订新增关于情境、监督与自主性的指引，调整部分行为默认值，并退役大部分文风细则，同时把规范中的“助手”改称“GPT”。OpenAI 表示模型尚未完全体现该规范，后续将公布相关训练方法的结果。

OpenAI 更新了公开描述模型行为方式的 Model Spec，把原有准则重新组织到忠实于人类意图、减少伤害、诚实与透明、促进人的自主性和关怀这五项价值之下。此前该规范以分散的原则和大量细致文风规定呈现；这次修订新增关于情境、监督与自主性的指引，调整部分行为默认值，并退役大部分文风细则，同时把规范中的“助手”改称“GPT”。OpenAI 表示模型尚未完全体现该规范，后续将公布相关训练方法的结果。

AMD宣布第六代EPYC服务器SP7处理器全面上市，采用新的Zen 6架构，已由主要服务器厂商出货，Azure与OCI的云实例即将开放。AMD称面向通用计算的EPYC 9996在SPECrate 2017_int_base上，双路系统相对Intel Xeon 6980P最高2.2倍性能、2.0倍每美元性能，相对Nvidia Vera最高3.7倍性能。其中Vera一侧为AMD内部估算，公司把产品定位为按负载优化的多型号组合，而非单一型号全面领先。

AMD宣布第六代EPYC服务器SP7处理器全面上市，采用新的Zen 6架构，已由主要服务器厂商出货，Azure与OCI的云实例即将开放。AMD称面向通用计算的EPYC 9996在SPECrate 2017_int_base上，双路系统相对Intel Xeon 6980P最高2.2倍性能、2.0倍每美元性能，相对Nvidia Vera最高3.7倍性能。其中Vera一侧为AMD内部估算，公司把产品定位为按负载优化的多型号组合，而非单一型号全面领先。

ElevenLabs在ElevenAgents中加入合成语音检测，可从实时音频流中判断来电者是人还是AI，并据此设定排队、转接与敏感操作限制。此前政府服务面对AI智能体代办的请求激增，只能靠收费、封IP和更严表单增加摩擦。捷克就业与福利热线上的智能体每天处理约5000通电话，独立解决约85%的来电，接通率从约60%提升到接近全覆盖。

ElevenLabs在ElevenAgents中加入合成语音检测，可从实时音频流中判断来电者是人还是AI，并据此设定排队、转接与敏感操作限制。此前政府服务面对AI智能体代办的请求激增，只能靠收费、封IP和更严表单增加摩擦。捷克就业与福利热线上的智能体每天处理约5000通电话，独立解决约85%的来电，接通率从约60%提升到接近全覆盖。

Asymptote Labs 开源了 Beacon，一个跨智能体框架的记忆层。此前在 Claude Code、Codex、Cursor 等编码智能体之间切换时，用户需要重新说明任务、工作流和常见错误模式，而免费替代方案并不好找。Beacon 接入 20 多个智能体框架，把提示、工具调用和命令执行等会话遥测统一成一种格式，再经人工审批提炼为可复用模式，并通过技能或 MCP 提供给后续智能体。

Asymptote Labs 开源了 Beacon，一个跨智能体框架的记忆层。此前在 Claude Code、Codex、Cursor 等编码智能体之间切换时，用户需要重新说明任务、工作流和常见错误模式，而免费替代方案并不好找。Beacon 接入 20 多个智能体框架，把提示、工具调用和命令执行等会话遥测统一成一种格式，再经人工审批提炼为可复用模式，并通过技能或 MCP 提供给后续智能体。

Macro 把邮件、消息、文档、任务、通话、智能体、CRM 和数据库合并进一个共享团队记忆的工作区，所有内容可 @ 关联和检索。它针对的是团队扩张后各用一套工具、靠 MCP 和 Zapier 拼接的局面。邮件、消息、文档和任务共用同一后端，跨引用以双向图原生存储，智能体可通过统一搜索工具直接检索从邮件中解析出的附件 PDF。

Macro 把邮件、消息、文档、任务、通话、智能体、CRM 和数据库合并进一个共享团队记忆的工作区，所有内容可 @ 关联和检索。它针对的是团队扩张后各用一套工具、靠 MCP 和 Zapier 拼接的局面。邮件、消息、文档和任务共用同一后端，跨引用以双向图原生存储，智能体可通过统一搜索工具直接检索从邮件中解析出的附件 PDF。

Lantern Pharma公布LP-184（zirdafulven）在复发胶质母细胞瘤患者中的1a期数据，并据此确定0.39 mg/kg的扩展推荐剂量。由于单药只有约20%的系统药物预计进入脑肿瘤，脑内浓度难以持续维持在治疗水平，公司计划在1b/2a期试验中把LP-184与可降解DNA修复蛋白ERCC3的螺内酯联用。临床前模型中，螺内酯使LP-184杀伤肿瘤细胞所需浓度降低3至6倍。

Lantern Pharma公布LP-184（zirdafulven）在复发胶质母细胞瘤患者中的1a期数据，并据此确定0.39 mg/kg的扩展推荐剂量。由于单药只有约20%的系统药物预计进入脑肿瘤，脑内浓度难以持续维持在治疗水平，公司计划在1b/2a期试验中把LP-184与可降解DNA修复蛋白ERCC3的螺内酯联用。临床前模型中，螺内酯使LP-184杀伤肿瘤细胞所需浓度降低3至6倍。

Cloudflare 在 Radar 中新增 Zero Wire，一个用于调查重大互联网漏洞与威胁的简报中心。每份简报把已确认事实与未解问题分开，列出修复步骤，并说明 Cloudflare 对该威胁的观测情况；简报按紧迫程度分组，可按 CVE、名称或标签检索，也可通过 RSS 订阅更新。

Cloudflare 在 Radar 中新增 Zero Wire，一个用于调查重大互联网漏洞与威胁的简报中心。每份简报把已确认事实与未解问题分开，列出修复步骤，并说明 Cloudflare 对该威胁的观测情况；简报按紧迫程度分组，可按 CVE、名称或标签检索，也可通过 RSS 订阅更新。