AI 与科学前沿 · 2026-11-14

多模态训练是否改变了模型在纯文本输入下的推理方式，此前只有行为层面的证据。研究在6个模型家族、10种多模态配置上构造视觉—语言方向，并在推理时移除隐藏状态在该方向上的投影；Chameleon-7B在BBH导航任务上掉分，而布尔表达式基本不受影响，形成双重分离。效应具有方向特异性和层局部性，并延伸到心理旋转、折纸、视角采择等心理模拟任务。

多模态训练是否改变了模型在纯文本输入下的推理方式，此前只有行为层面的证据。研究在6个模型家族、10种多模态配置上构造视觉—语言方向，并在推理时移除隐藏状态在该方向上的投影；Chameleon-7B在BBH导航任务上掉分，而布尔表达式基本不受影响，形成双重分离。效应具有方向特异性和层局部性，并延伸到心理旋转、折纸、视角采择等心理模拟任务。

高精度引力波源建模长期回避机器学习，因为神经网络自带噪声底。研究者把图神经网络训练成迭代求解器的预条件器，让传统GMRES保留最终精度、只负责加速。在非对称质量双黑洞的高频椭圆方程上，最难参数区所需GMRES迭代次数比基础ILU少2至15次，墙钟时间比次优方法少2至4倍。

高精度引力波源建模长期回避机器学习，因为神经网络自带噪声底。研究者把图神经网络训练成迭代求解器的预条件器，让传统GMRES保留最终精度、只负责加速。在非对称质量双黑洞的高频椭圆方程上，最难参数区所需GMRES迭代次数比基础ILU少2至15次，墙钟时间比次优方法少2至4倍。

工程设计中每个研究只有几十到几百次仿真，且每次网格各不相同，传统代理模型必须为每个数据集重新训练。PhysICL 只在一个程序化先验上预训练一次，推理时把若干带标签的仿真当作上下文，在一次前向传播中直接在每个查询自身的非结构网格节点上给出场预测及其分位数，权重保持不变。在五个预训练未见过的 PLAID 数据集上，其场误差随上下文增大而下降，并在上下文达到一定规模后低于最近的上下文仿真；在百万节点级的 AhmedML 表面上，峰值显存仍为 4.27 GiB。

工程设计中每个研究只有几十到几百次仿真，且每次网格各不相同，传统代理模型必须为每个数据集重新训练。PhysICL 只在一个程序化先验上预训练一次，推理时把若干带标签的仿真当作上下文，在一次前向传播中直接在每个查询自身的非结构网格节点上给出场预测及其分位数，权重保持不变。在五个预训练未见过的 PLAID 数据集上，其场误差随上下文增大而下降，并在上下文达到一定规模后低于最近的上下文仿真；在百万节点级的 AhmedML 表面上，峰值显存仍为 4.27 GiB。

双曲空间适合嵌入层级数据，但此前的双曲高斯过程隐变量模型要为每个核矩阵元素做数值积分，还要联合优化辅助变量，规模一大就难以训练。RHFF-LVM 改用 Helgason–Fourier 变换导出的显式有限维随机特征来近似双曲核，把观测建模为隐变量的特征投影，从而去掉数值求积、变分下界和诱导点。在合成二叉树上，它的嵌入距离与真实树路径长度的 Spearman 相关为 84.3，高于欧氏对照 RFF-LVM 的 74.9 和最强双曲基线 Poincaré Map 的 82.4。

双曲空间适合嵌入层级数据，但此前的双曲高斯过程隐变量模型要为每个核矩阵元素做数值积分，还要联合优化辅助变量，规模一大就难以训练。RHFF-LVM 改用 Helgason–Fourier 变换导出的显式有限维随机特征来近似双曲核，把观测建模为隐变量的特征投影，从而去掉数值求积、变分下界和诱导点。在合成二叉树上，它的嵌入距离与真实树路径长度的 Spearman 相关为 84.3，高于欧氏对照 RFF-LVM 的 74.9 和最强双曲基线 Poincaré Map 的 82.4。

Science Prediction Universe（SPU）把AI智能体放进真实湿实验的预测场景：只给实验条件与候选，让智能体在八小时内自行检索文献、跑计算，再按测量值给候选排序，用斯皮尔曼相关系数打分。100个公开任务取自近期Nature Portfolio论文，16个私有任务来自尚未发表的实验，检索无从下手。十三种前沿模型配置中最好的也只在约一半计分任务上超过随机阈值，更多推理算力和更多工具种类都没有带来可检测的分数提升。

Science Prediction Universe（SPU）把AI智能体放进真实湿实验的预测场景：只给实验条件与候选，让智能体在八小时内自行检索文献、跑计算，再按测量值给候选排序，用斯皮尔曼相关系数打分。100个公开任务取自近期Nature Portfolio论文，16个私有任务来自尚未发表的实验，检索无从下手。十三种前沿模型配置中最好的也只在约一半计分任务上超过随机阈值，更多推理算力和更多工具种类都没有带来可检测的分数提升。

SIM把MRI重建的训练数据来源从临床采集的原始k空间换成按多线圈成像物理规律生成的仿真样本，并用通用Transformer把数据量和模型容量一起放大。在14个公开与自建数据集上，它跨7个中心、5家厂商、0.3至7 T场强和十余种采集协议做零样本重建，PSNR比次优方法高1.06至3.95 dB；在150例盲法阅片中，SIM在某一加速倍数下诊断可用性达到100%，该倍数在原文中未给出。

SIM把MRI重建的训练数据来源从临床采集的原始k空间换成按多线圈成像物理规律生成的仿真样本，并用通用Transformer把数据量和模型容量一起放大。在14个公开与自建数据集上，它跨7个中心、5家厂商、0.3至7 T场强和十余种采集协议做零样本重建，PSNR比次优方法高1.06至3.95 dB；在150例盲法阅片中，SIM在某一加速倍数下诊断可用性达到100%，该倍数在原文中未给出。

概率神经符号推理要把神经预测与符号约束结合，核心是计算权重模型计数，而精确计算是#P难问题，现有方法各自在不同环节引入近似。APRICOT把自底向上的编译统一成三步流水线，用张量列分解实例化因子编译与乘积重压缩，在数独、算术推理和场景理解共六项任务上给出比先前方法精确几个数量级的权重模型计数估计，并在符号因子紧密耦合的任务上带来更好的下游学习。

概率神经符号推理要把神经预测与符号约束结合，核心是计算权重模型计数，而精确计算是#P难问题，现有方法各自在不同环节引入近似。APRICOT把自底向上的编译统一成三步流水线，用张量列分解实例化因子编译与乘积重压缩，在数独、算术推理和场景理解共六项任务上给出比先前方法精确几个数量级的权重模型计数估计，并在符号因子紧密耦合的任务上带来更好的下游学习。

预训练生成模型通常只能从已生成的完整输出里筛选，局部打分中可行的组合被浪费。结构化重解码（SRD）在不改动模型参数的前提下，把模型打分或样本中的局部候选按任务约束联合选择、重建并验证。在FLOWR分子生成上，同一生成预算下，单目标组成与质量成功从best-of-4的419/1800升到1309/1800，双目标从119升到615；质量通过率则从99.833%降到94.389%。

预训练生成模型通常只能从已生成的完整输出里筛选，局部打分中可行的组合被浪费。结构化重解码（SRD）在不改动模型参数的前提下，把模型打分或样本中的局部候选按任务约束联合选择、重建并验证。在FLOWR分子生成上，同一生成预算下，单目标组成与质量成功从best-of-4的419/1800升到1309/1800，双目标从119升到615；质量通过率则从99.833%降到94.389%。

冠状动脉炎症此前只能从需要造影剂的冠脉CT血管成像中测量，而常规钙化评分用的是低剂量非增强CT。研究在多中心队列中训练并外部验证了一套从非增强CT计算冠脉周围脂肪衰减指数（FAI）的深度学习流程，该评分与造影版FAI预后表现相当，并在钙化评分为零的人群中把心血管死亡与主要不良心血管事件的风险进一步分开。

冠状动脉炎症此前只能从需要造影剂的冠脉CT血管成像中测量，而常规钙化评分用的是低剂量非增强CT。研究在多中心队列中训练并外部验证了一套从非增强CT计算冠脉周围脂肪衰减指数（FAI）的深度学习流程，该评分与造影版FAI预后表现相当，并在钙化评分为零的人群中把心血管死亡与主要不良心血管事件的风险进一步分开。

高势垒的顺反异构反应中，committor（给定构型先到产物而非反应物的概率）几乎是一个阶跃函数，只在过渡态附近狭窄区间取中间值。研究者把AIMMD路径采样与符号回归结合，在真空中的N-视黄叉赖氨酸和对香豆酸阴离子上从无偏分子动力学轨迹学到committor，并蒸馏成闭式解析式。四个绕反应双键的proper二面角必须非线性耦合，才能重现过渡路径集合中的S形分步路径，而最小自由能路径是一条直线。

高势垒的顺反异构反应中，committor（给定构型先到产物而非反应物的概率）几乎是一个阶跃函数，只在过渡态附近狭窄区间取中间值。研究者把AIMMD路径采样与符号回归结合，在真空中的N-视黄叉赖氨酸和对香豆酸阴离子上从无偏分子动力学轨迹学到committor，并蒸馏成闭式解析式。四个绕反应双键的proper二面角必须非线性耦合，才能重现过渡路径集合中的S形分步路径，而最小自由能路径是一条直线。

智能体强化学习即服务把数据采样和奖励打分交给用户，一个有害奖励函数就能以低至20美元的成本抹掉模型的安全对齐。Bait在回滚阶段把专门训练的Bait模型生成的显式有害回答混入策略模型的回答组，用两类回答平均奖励之差（奖励散度）的符号判断奖励函数是否有害，检测为有害时翻转该组奖励符号施加惩罚。在自建测试台上，Bait把三种有害指令数据集上的平均有害分数从20.4降到6.8，平均智能体准确率从93.1升到96.0。

智能体强化学习即服务把数据采样和奖励打分交给用户，一个有害奖励函数就能以低至20美元的成本抹掉模型的安全对齐。Bait在回滚阶段把专门训练的Bait模型生成的显式有害回答混入策略模型的回答组，用两类回答平均奖励之差（奖励散度）的符号判断奖励函数是否有害，检测为有害时翻转该组奖励符号施加惩罚。在自建测试台上，Bait把三种有害指令数据集上的平均有害分数从20.4降到6.8，平均智能体准确率从93.1升到96.0。

公开技能注册表里的第三方技能，正被一种只改判定规则、不改任务和接口的投毒方式利用。StealthyPoison 在拿不到真实用户请求和标准答案的情况下，用合成请求和替身智能体的干净执行结果作参照，迭代改写公式、阈值和分支等关键规则。在 566 个合格技能、5,244 条请求、超过 26,000 条注册表条目的评测中，冻结后的投毒技能在三个留出模型上取得 31.0%–31.9% 的微平均攻击成功率，与替身模型的 32.9% 接近。

公开技能注册表里的第三方技能，正被一种只改判定规则、不改任务和接口的投毒方式利用。StealthyPoison 在拿不到真实用户请求和标准答案的情况下，用合成请求和替身智能体的干净执行结果作参照，迭代改写公式、阈值和分支等关键规则。在 566 个合格技能、5,244 条请求、超过 26,000 条注册表条目的评测中，冻结后的投毒技能在三个留出模型上取得 31.0%–31.9% 的微平均攻击成功率，与替身模型的 32.9% 接近。

KL正则强化学习的目标——最大熵强化学习与大模型人类反馈微调背后的同一目标——此前只知道样本量随有效时域以更差的幂次增长，且没有任何下界依赖温度。这项工作在表格型折扣MDP与生成模型设定下证明：每个状态动作对采样若干次后，把经验模型当作真实模型求解的插件式估计器即可达到温度量级的KL次优性，样本量随有效时域线性增长；同时给出匹配的下界，说明任何算法（包括自适应选择采样位置）都无法更少。

KL正则强化学习的目标——最大熵强化学习与大模型人类反馈微调背后的同一目标——此前只知道样本量随有效时域以更差的幂次增长，且没有任何下界依赖温度。这项工作在表格型折扣MDP与生成模型设定下证明：每个状态动作对采样若干次后，把经验模型当作真实模型求解的插件式估计器即可达到温度量级的KL次优性，样本量随有效时域线性增长；同时给出匹配的下界，说明任何算法（包括自适应选择采样位置）都无法更少。

超导材料筛选长期只依赖临界温度一个实验参数，而上临界场、临界电流密度等决定实用性的量散落在文献里、没有结构化数据。AutoSuperCon用大语言模型从arXiv超导分类的4.7万余篇开放预印本中抽取八种实验超导参数，并补入Roberts 1976综述的数字化条目，得到6793种超导体的20354条记录。与NIMS SuperCon共有的2439种材料上，临界温度的中位偏差为0.25 K（相对3.5%）；据此可在大规模上检验经验关系，并用化学组成预测临界温度与上临界场。

超导材料筛选长期只依赖临界温度一个实验参数，而上临界场、临界电流密度等决定实用性的量散落在文献里、没有结构化数据。AutoSuperCon用大语言模型从arXiv超导分类的4.7万余篇开放预印本中抽取八种实验超导参数，并补入Roberts 1976综述的数字化条目，得到6793种超导体的20354条记录。与NIMS SuperCon共有的2439种材料上，临界温度的中位偏差为0.25 K（相对3.5%）；据此可在大规模上检验经验关系，并用化学组成预测临界温度与上临界场。

元学习（先用大量相关函数训练网络，使其更容易学会同类新函数）得到的初始化，让网络快速适应后的参数向量之间出现可加减的几何关系。在ABgeom序列生成任务上，随机初始化Transformer训练五步后平均F-score仅0.062，而元学习初始化一步即达1.00；把已适应网络的参数向量按符号类比相减再相加，所得网络未经直接训练，在100个类比上平均F-score为1.00。这一现象在Transformer与LSTM、三个函数域上均出现，但类比只在单个初始化附近成立。

元学习（先用大量相关函数训练网络，使其更容易学会同类新函数）得到的初始化，让网络快速适应后的参数向量之间出现可加减的几何关系。在ABgeom序列生成任务上，随机初始化Transformer训练五步后平均F-score仅0.062，而元学习初始化一步即达1.00；把已适应网络的参数向量按符号类比相减再相加，所得网络未经直接训练，在100个类比上平均F-score为1.00。这一现象在Transformer与LSTM、三个函数域上均出现，但类比只在单个初始化附近成立。

Neuralign把来自不同会话、不同动物、神经元采样各不相同的神经记录放进同一个张量分解，每个成分共享一条时间曲线，而试次强度和神经元权重按会话各自估计，因此不需要匹配同一批神经元或同一批试次。在19只小鼠的93段全脑记录上，无监督拟合得到的单个成分把前外侧运动皮层（ALM）光遗传抑制的三种条件区分开，留出会话上的平衡准确率为0.647，随机水平为1/3。该成分的变化与行为准确率下降呈弱相关（ρ=0.266，180个会话—抑制观测）。

Neuralign把来自不同会话、不同动物、神经元采样各不相同的神经记录放进同一个张量分解，每个成分共享一条时间曲线，而试次强度和神经元权重按会话各自估计，因此不需要匹配同一批神经元或同一批试次。在19只小鼠的93段全脑记录上，无监督拟合得到的单个成分把前外侧运动皮层（ALM）光遗传抑制的三种条件区分开，留出会话上的平衡准确率为0.647，随机水平为1/3。该成分的变化与行为准确率下降呈弱相关（ρ=0.266，180个会话—抑制观测）。

REST2 增强采样此前只用于经典力场和 QM/MM，无法直接搬进以神经网络势能描述溶质的多尺度 ML/MM 模拟。研究者利用 AMP-BMS 哈密顿量可拆成溶质—溶质、溶质—溶剂、溶剂—溶剂三部分的性质，直接缩放前两项能量，在保持溶剂温度不变的前提下做副本交换。在显式溶剂中，该方法让 chignolin 与 CLN025 从伸展构象出发折回 NMR 结构附近，Cα-RMSD 分别稳定在约 0.2–0.3 nm 和约 0.2 nm，且不需要预先指定反应坐标。

REST2 增强采样此前只用于经典力场和 QM/MM，无法直接搬进以神经网络势能描述溶质的多尺度 ML/MM 模拟。研究者利用 AMP-BMS 哈密顿量可拆成溶质—溶质、溶质—溶剂、溶剂—溶剂三部分的性质，直接缩放前两项能量，在保持溶剂温度不变的前提下做副本交换。在显式溶剂中，该方法让 chignolin 与 CLN025 从伸展构象出发折回 NMR 结构附近，Cα-RMSD 分别稳定在约 0.2–0.3 nm 和约 0.2 nm，且不需要预先指定反应坐标。

纳米孔直接RNA测序读tRNA时，修饰会干扰碱基识别，使序列比对在准确率与可用读段数之间难以兼顾。tyCooNN（nano tRNA classifier）改为直接以离子电流信号分类tRNA，绕开碱基识别与序列比对；对大肠杆菌全部48种tRNA，ntc48模型分类准确率为98.2%。研究还用44种tRNA的等摩尔混合物标定并校正读段计数偏差，据此给出各tRNA的绝对丰度，并以二分类器在单分子水平判别特定修饰。

纳米孔直接RNA测序读tRNA时，修饰会干扰碱基识别，使序列比对在准确率与可用读段数之间难以兼顾。tyCooNN（nano tRNA classifier）改为直接以离子电流信号分类tRNA，绕开碱基识别与序列比对；对大肠杆菌全部48种tRNA，ntc48模型分类准确率为98.2%。研究还用44种tRNA的等摩尔混合物标定并校正读段计数偏差，据此给出各tRNA的绝对丰度，并以二分类器在单分子水平判别特定修饰。

同步Q-learning的收敛分析通常只保留高斯极限，而中心极限归一化会把初始非线性演化产生的较小尺度位移抹掉。该分析把最后一次迭代误差拆成最优策略时序差分分量与最大化造成的非负位移，证明后者在n^-1/4尺度上几乎必然收敛到一个随机极限，并用Edgeworth展开给出高斯近似的修正项。在一个两状态算例中，一阶修正密度比中心极限定理的高斯密度更接近经验分布。

同步Q-learning的收敛分析通常只保留高斯极限，而中心极限归一化会把初始非线性演化产生的较小尺度位移抹掉。该分析把最后一次迭代误差拆成最优策略时序差分分量与最大化造成的非负位移，证明后者在n^-1/4尺度上几乎必然收敛到一个随机极限，并用Edgeworth展开给出高斯近似的修正项。在一个两状态算例中，一阶修正密度比中心极限定理的高斯密度更接近经验分布。

分片数据并行训练里，计算内核要的打包低精度布局和优化器要的更新单元长期被绑在一起，SS-HSDP把运行时参数与更新参数拆成两套表示，用共享数据视图和分层分片避免多余搬运。在视频与语言模型的MXFP8训练中，128块GPU上相对最快基线MFU最高提升21.7%，峰值显存与最低显存基线相当或更低。

分片数据并行训练里，计算内核要的打包低精度布局和优化器要的更新单元长期被绑在一起，SS-HSDP把运行时参数与更新参数拆成两套表示，用共享数据视图和分层分片避免多余搬运。在视频与语言模型的MXFP8训练中，128块GPU上相对最快基线MFU最高提升21.7%，峰值显存与最低显存基线相当或更低。

自主系统通常只监测运动状态和任务是否完成，信息获取过程本身没有实时监测，系统可能持续运转却始终不解决未完成的需求。Acquisition-State Telemetry（AST）把原始观测映射到任务需求的完成坐标，再由一个固定因果监测器输出两条连续信号：未解决需求上的预期进展，以及重复证据带来极小信息增益时的信息摩擦。同一套未调参配置在八个领域上运行，摩擦通道能在任务完成前区分无产出的停滞与有目的的探索，并在完成后保持低值；在带提前终止约束的闭环强化学习实验中，对摩擦施加惩罚的策略维持了较高的任务完成率。

自主系统通常只监测运动状态和任务是否完成，信息获取过程本身没有实时监测，系统可能持续运转却始终不解决未完成的需求。Acquisition-State Telemetry（AST）把原始观测映射到任务需求的完成坐标，再由一个固定因果监测器输出两条连续信号：未解决需求上的预期进展，以及重复证据带来极小信息增益时的信息摩擦。同一套未调参配置在八个领域上运行，摩擦通道能在任务完成前区分无产出的停滞与有目的的探索，并在完成后保持低值；在带提前终止约束的闭环强化学习实验中，对摩擦施加惩罚的策略维持了较高的任务完成率。

离线强化学习通常让评论家回归自举目标，并靠目标网络稳定训练。AL-LBLP沿用把样本内贝尔曼最优写成数据集上线性规划的LBLP形式，改用乘子法求解：原本固定的铰链系数变成由对偶上升学习的乘子，只剩一个惩罚参数。单个评论家、无目标网络、无集成，在50个基于状态的OGBench任务上，高斯策略、流策略和best-of-n采样分别平均55.8、55.7和60.1。

离线强化学习通常让评论家回归自举目标，并靠目标网络稳定训练。AL-LBLP沿用把样本内贝尔曼最优写成数据集上线性规划的LBLP形式，改用乘子法求解：原本固定的铰链系数变成由对偶上升学习的乘子，只剩一个惩罚参数。单个评论家、无目标网络、无集成，在50个基于状态的OGBench任务上，高斯策略、流策略和best-of-n采样分别平均55.8、55.7和60.1。

多机器人任务规划此前多由端到端视觉语言模型一并学出场景判断与动作结构，分布外表现容易塌陷。NSDL 把分工拆开：训练好的小模型只判断哪些目标已完成、任务如何拆分、哪台机器人做什么，并写成计划草图；确定性求解器再把草图展开为可执行联合计划。在公开 VIKI-L2 上，7B 模型分布外准确率达到 97.0%，3B 到 8B 的三个骨干均优于端到端与先形式化再规划基线。

多机器人任务规划此前多由端到端视觉语言模型一并学出场景判断与动作结构，分布外表现容易塌陷。NSDL 把分工拆开：训练好的小模型只判断哪些目标已完成、任务如何拆分、哪台机器人做什么，并写成计划草图；确定性求解器再把草图展开为可执行联合计划。在公开 VIKI-L2 上，7B 模型分布外准确率达到 97.0%，3B 到 8B 的三个骨干均优于端到端与先形式化再规划基线。

面向Rocq软件验证的证明合成系统ProofCoder不再让外部控制器规定何时检索前提、回退或修补，而是让模型在每次工具调用前写下对当前证明状态的判断，并据此决定继续、查证还是回退到某一行。在AutoRocq基准的280个验证引理上，最佳配置把证明成功率从AutoRocq的47%提高到60%，推理成本约为后者一半；去掉连续推理后，智能体解出的引理更少、成本更高，回退次数多出四到六倍。

面向Rocq软件验证的证明合成系统ProofCoder不再让外部控制器规定何时检索前提、回退或修补，而是让模型在每次工具调用前写下对当前证明状态的判断，并据此决定继续、查证还是回退到某一行。在AutoRocq基准的280个验证引理上，最佳配置把证明成功率从AutoRocq的47%提高到60%，推理成本约为后者一半；去掉连续推理后，智能体解出的引理更少、成本更高，回退次数多出四到六倍。

Kosmo-GFM把几何基础模型GFM与位姿优化引擎PoseEngine组合成一套场景重建系统：GFM从图像和视频预测相机、深度、跨视角对应与动态三维点，PoseEngine再把这些先验纳入优化。在全部对比方法都完成的34个场景上，PoseEngine的平均位姿精度高于GLUEMAP，累计重建时间由69.67小时降至14.07小时；快速版本PoseEngine Flash用时2.62小时并保持全部图像配准。

Kosmo-GFM把几何基础模型GFM与位姿优化引擎PoseEngine组合成一套场景重建系统：GFM从图像和视频预测相机、深度、跨视角对应与动态三维点，PoseEngine再把这些先验纳入优化。在全部对比方法都完成的34个场景上，PoseEngine的平均位姿精度高于GLUEMAP，累计重建时间由69.67小时降至14.07小时；快速版本PoseEngine Flash用时2.62小时并保持全部图像配准。

临床影像常按机构、模态和标注结构分批到来，分割模型既要适应新的成像分布，又要学会新增的病灶类别，同时不能忘掉旧知识。FGCARL 把双向特征统计对齐与 Fisher 信息加权的参数约束放进同一个增量学习框架，不需要回放历史患者数据。在从 UCSF-BMSR 迁移到 BraTS-METS 2023 的域与类同时变化设定中，配 Swin UNETR 的 FGCARL 在新域三个肿瘤区域上平均 Dice 为 68.28%，高于对比中最强的 CLAMTS 的 60.94%。

临床影像常按机构、模态和标注结构分批到来，分割模型既要适应新的成像分布，又要学会新增的病灶类别，同时不能忘掉旧知识。FGCARL 把双向特征统计对齐与 Fisher 信息加权的参数约束放进同一个增量学习框架，不需要回放历史患者数据。在从 UCSF-BMSR 迁移到 BraTS-METS 2023 的域与类同时变化设定中，配 Swin UNETR 的 FGCARL 在新域三个肿瘤区域上平均 Dice 为 68.28%，高于对比中最强的 CLAMTS 的 60.94%。

自适应多尺度模拟长期面临一个两难：溶剂分子在不同分辨率间切换会引入非物理的切换力，要么牺牲水合结构，要么破坏哈密顿量守恒。集成分子模型（IMM）用一个只以多尺度权重函数为输入的多层感知机学习抵消这些切换力，在纯水、K+、Na+、NH4+、Ca2+、Cl–水溶液和H3O+体系中给出无伪峰的水合结构，并在NVE系综下长期稳定守恒能量。修正力每步仅占约1.8%的计算时间，且在K+上训练的模型可直接用于Na+和NH4+而不需重新训练。

自适应多尺度模拟长期面临一个两难：溶剂分子在不同分辨率间切换会引入非物理的切换力，要么牺牲水合结构，要么破坏哈密顿量守恒。集成分子模型（IMM）用一个只以多尺度权重函数为输入的多层感知机学习抵消这些切换力，在纯水、K+、Na+、NH4+、Ca2+、Cl–水溶液和H3O+体系中给出无伪峰的水合结构，并在NVE系综下长期稳定守恒能量。修正力每步仅占约1.8%的计算时间，且在K+上训练的模型可直接用于Na+和NH4+而不需重新训练。

艾伦脑科学研究所与AWS团队发布单细胞多模态模型Bloom，它把基因表达与染色质开放度统一编码为同一种细胞表征，训练细胞数比同类预训练模型少约100倍。在成年小鼠全脑数据上，基于Bloom表征的线性分类器对亚类判别的交叉验证调整平衡准确率为91%（多组学，315个亚类）、94%（scRNA-seq，310个亚类）和94%（snRNA-seq，297个亚类），且模型只见过小鼠多组学数据。

艾伦脑科学研究所与AWS团队发布单细胞多模态模型Bloom，它把基因表达与染色质开放度统一编码为同一种细胞表征，训练细胞数比同类预训练模型少约100倍。在成年小鼠全脑数据上，基于Bloom表征的线性分类器对亚类判别的交叉验证调整平衡准确率为91%（多组学，315个亚类）、94%（scRNA-seq，310个亚类）和94%（snRNA-seq，297个亚类），且模型只见过小鼠多组学数据。

有限元代理模型通常用位移误差训练和比较，但工程判断依赖应力。这项研究把监督损失的范数换成装配刚度矩阵下的能量范数，其余设置不变，在预注册比较中使三维变压器网络的中位von Mises误差降低6.1倍、二维平均误差减半以上，并在留出实例上复现；不留标签、只最小化能量的训练也接近这一精度。

有限元代理模型通常用位移误差训练和比较，但工程判断依赖应力。这项研究把监督损失的范数换成装配刚度矩阵下的能量范数，其余设置不变，在预注册比较中使三维变压器网络的中位von Mises误差降低6.1倍、二维平均误差减半以上，并在留出实例上复现；不留标签、只最小化能量的训练也接近这一精度。

通用DFT哈密顿量模型能快速从原子结构给出电子性质，但预测本身不带可靠性信息。EviDTB把证据深度回归接到DeePTB的SLEM骨干上，只学收敛哈密顿量与初始密度参考哈密顿量之间的残差，并在一次前向传播中给出每个原子的不确定性分数。在5,478个留出结构上，剔除最不确定的15%结构后，平均局部平方预测误差的99百分位从16.63降到3.72 eV²；在636个生成结构上不重训评估时，该分数与平均局部平方预测误差的Spearman相关系数为0.743。

通用DFT哈密顿量模型能快速从原子结构给出电子性质，但预测本身不带可靠性信息。EviDTB把证据深度回归接到DeePTB的SLEM骨干上，只学收敛哈密顿量与初始密度参考哈密顿量之间的残差，并在一次前向传播中给出每个原子的不确定性分数。在5,478个留出结构上，剔除最不确定的15%结构后，平均局部平方预测误差的99百分位从16.63降到3.72 eV²；在636个生成结构上不重训评估时，该分数与平均局部平方预测误差的Spearman相关系数为0.743。

给照片加对抗扰动可以阻止扩散模型学会某人身份，但以往方法要在整张脸上密集改动，累积失真在五官附近肉眼可见。SEAL把扰动限制在5%的空间位置上，用可微的top-k掩码同时优化扰动位置与数值，并针对冻结VAE编码器的潜变量方差做破坏。在CelebA-HQ与VGGFace2上，受保护图像PSNR超过41 dB、SSIM为0.97、LPIPS不超过0.07，经DreamBooth个性化后身份相似度最高0.15。

给照片加对抗扰动可以阻止扩散模型学会某人身份，但以往方法要在整张脸上密集改动，累积失真在五官附近肉眼可见。SEAL把扰动限制在5%的空间位置上，用可微的top-k掩码同时优化扰动位置与数值，并针对冻结VAE编码器的潜变量方差做破坏。在CelebA-HQ与VGGFace2上，受保护图像PSNR超过41 dB、SSIM为0.97、LPIPS不超过0.07，经DreamBooth个性化后身份相似度最高0.15。

机制可解释性常靠带阈值的数字支撑安全结论，而权重、随机种子或阈值的微小变化就可能让结论翻转。这项工作在已知真实特征的玩具模型与合成字典上刻画了特征维度不连续的确切位置，并用岭正则版本替换它，证明其稳定性常数随特征尺度增长且系数最优。在12个训练好的玩具模型上，岭正则求和规则在预先设定的21个平滑参数取值上给出同一判定，而忽略短特征向量的版本对其中两个模型给出相反判定。

机制可解释性常靠带阈值的数字支撑安全结论，而权重、随机种子或阈值的微小变化就可能让结论翻转。这项工作在已知真实特征的玩具模型与合成字典上刻画了特征维度不连续的确切位置，并用岭正则版本替换它，证明其稳定性常数随特征尺度增长且系数最优。在12个训练好的玩具模型上，岭正则求和规则在预先设定的21个平滑参数取值上给出同一判定，而忽略短特征向量的版本对其中两个模型给出相反判定。

带类别配额约束的向量检索此前只能靠固定访问预算或按平均召回率学习的停止规则，无法保证返回精确答案。CaST把停止规则限定在声明接口上的单调类，用固定序列二项检验校准，并用拉格朗日弱对偶给出该类最优代价的下界。在两个各含一百万条目的数据集上，风险水平0.03至0.10时其回放代价不超过类最优的1.132倍，95%置信度；在0.05风险目标下，其平均时延低于所测其他已校准规则。

带类别配额约束的向量检索此前只能靠固定访问预算或按平均召回率学习的停止规则，无法保证返回精确答案。CaST把停止规则限定在声明接口上的单调类，用固定序列二项检验校准，并用拉格朗日弱对偶给出该类最优代价的下界。在两个各含一百万条目的数据集上，风险水平0.03至0.10时其回放代价不超过类最优的1.132倍，95%置信度；在0.05风险目标下，其平均时延低于所测其他已校准规则。

多轮智能体强化学习常被用来提升大语言模型智能体的长程能力，但轨迹级成功率掩盖了它对单步决策的实际影响。研究在DeepCoder-MT、BFCL、InterCode-SQL与FrozenLake四个交互任务上，用采样广度与交互深度两个维度评估GRPO训练后的模型：采样轨迹越多，强化学习模型越稳定地超过基座模型；但把每条轨迹的交互轮数压紧，这一优势会缩小、消失，在部分任务上甚至反转。逐状态比较显示，强化学习模型只在46.8%的DeepCoder-MT状态和42.8%的FrozenLake状态上给出更优的下一步动作，其增益主要来自错误恢复与轨迹后段。

多轮智能体强化学习常被用来提升大语言模型智能体的长程能力，但轨迹级成功率掩盖了它对单步决策的实际影响。研究在DeepCoder-MT、BFCL、InterCode-SQL与FrozenLake四个交互任务上，用采样广度与交互深度两个维度评估GRPO训练后的模型：采样轨迹越多，强化学习模型越稳定地超过基座模型；但把每条轨迹的交互轮数压紧，这一优势会缩小、消失，在部分任务上甚至反转。逐状态比较显示，强化学习模型只在46.8%的DeepCoder-MT状态和42.8%的FrozenLake状态上给出更优的下一步动作，其增益主要来自错误恢复与轨迹后段。

语言模型失败常从某个 token 开始，但常用的响应级 AUROC 只看整条回答是否失败，不看报警发生在何时。Prewarn 先在验证集上按应用允许的错误率固定阈值，再相对标注的起始点分别评分类、检测与预警三项任务。在重复退化案例中，只按长度打分的规则 AUROC 接近满分却永远无法预警；冻结探针在 Apertus 与 Llama 上对多数退化回答在起始前报警，在 Mistral 上则多在起始后报警。

语言模型失败常从某个 token 开始，但常用的响应级 AUROC 只看整条回答是否失败，不看报警发生在何时。Prewarn 先在验证集上按应用允许的错误率固定阈值，再相对标注的起始点分别评分类、检测与预警三项任务。在重复退化案例中，只按长度打分的规则 AUROC 接近满分却永远无法预警；冻结探针在 Apertus 与 Llama 上对多数退化回答在起始前报警，在 Mistral 上则多在起始后报警。

分块蒸馏式架构搜索把每个替换块的单独得分相加来挑选子网络，这一加法假设此前很少被直接检验。在DeiT-S与DeiT-B上，延迟预算从60%降到55%时，加法整数线性规划微调后的精度开始明显落后于建模块间交互的成对整数二次规划，ImageNet-100上差距为3.3–16.6个点。误差可拆成只由得分非线性带来的度量项和真正的功能交互项，前者在DeiT-S上占多数、后者在DeiT-B上占多数；一种用单块logit预测排序、只实测少量候选的混合搜索无需专门测量块对，在ImageNet-1k的14个设置中有13个显著优于成对搜索。

分块蒸馏式架构搜索把每个替换块的单独得分相加来挑选子网络，这一加法假设此前很少被直接检验。在DeiT-S与DeiT-B上，延迟预算从60%降到55%时，加法整数线性规划微调后的精度开始明显落后于建模块间交互的成对整数二次规划，ImageNet-100上差距为3.3–16.6个点。误差可拆成只由得分非线性带来的度量项和真正的功能交互项，前者在DeiT-S上占多数、后者在DeiT-B上占多数；一种用单块logit预测排序、只实测少量候选的混合搜索无需专门测量块对，在ImageNet-1k的14个设置中有13个显著优于成对搜索。

面向隐私法规下的机器遗忘，IDSISA在SISA的分片重训框架上加入影响函数引导的分片分配与跨分片蒸馏。影响分数在训练前一次性算出，把可能被一起删除的样本集中到少数分片，使一次删除请求触及的分片数少于随机分片；重训分片同时向未受影响分片学习软输出，补回隔离训练丢掉的效用。在ResNet-18/CIFAR-10、BiLSTM/IMDB、TCN/IMDB与Fashion-MNIST全连接网络上，删除保证仍来自重训本身，蒸馏只是单独量化的效用恢复手段。

面向隐私法规下的机器遗忘，IDSISA在SISA的分片重训框架上加入影响函数引导的分片分配与跨分片蒸馏。影响分数在训练前一次性算出，把可能被一起删除的样本集中到少数分片，使一次删除请求触及的分片数少于随机分片；重训分片同时向未受影响分片学习软输出，补回隔离训练丢掉的效用。在ResNet-18/CIFAR-10、BiLSTM/IMDB、TCN/IMDB与Fashion-MNIST全连接网络上，删除保证仍来自重训本身，蒸馏只是单独量化的效用恢复手段。

语音分词器把连续语音压成离散标记，是 ASR 与大音频语言模型的前端。T-SemAttack 不攻击整条识别流水线，而是联合扰动多个语义编码器的表示空间，并用心理声学掩蔽约束噪声，使对抗样本在保持可听质量的同时把下游语义编码带偏。在双语多说话人数据上，它把 9 个开源与黑盒 ASR 系统的词错率从干净语音的约 1%–4% 抬到 20.004%–63.555%，并给出以噪声训练加语义蒸馏训练的 ROSETok 分词器。

语音分词器把连续语音压成离散标记，是 ASR 与大音频语言模型的前端。T-SemAttack 不攻击整条识别流水线，而是联合扰动多个语义编码器的表示空间，并用心理声学掩蔽约束噪声，使对抗样本在保持可听质量的同时把下游语义编码带偏。在双语多说话人数据上，它把 9 个开源与黑盒 ASR 系统的词错率从干净语音的约 1%–4% 抬到 20.004%–63.555%，并给出以噪声训练加语义蒸馏训练的 ROSETok 分词器。

人形机器人踢足球此前要么只覆盖少数技能，要么完全不用动作先验而动作生硬。SoccerBot把大规模人类足球动作捕捉数据蒸馏成一个结构化的隐式动作先验，让单一技能条件策略在同一个潜空间里学习移动、带球、停球和踢球。在Unitree G1上，该策略零样本迁移到真机，仿真中踢球与带球成功率分别为97.04%和89.88%，真机踢球方向误差从4.09度升到10.41度。

人形机器人踢足球此前要么只覆盖少数技能，要么完全不用动作先验而动作生硬。SoccerBot把大规模人类足球动作捕捉数据蒸馏成一个结构化的隐式动作先验，让单一技能条件策略在同一个潜空间里学习移动、带球、停球和踢球。在Unitree G1上，该策略零样本迁移到真机，仿真中踢球与带球成功率分别为97.04%和89.88%，真机踢球方向误差从4.09度升到10.41度。

联邦学习通常要求各机构共享同一套模型骨干，才能聚合参数更新，这使使用不同家族、不同规模大模型的机构难以协作。FedVP 把协作从参数聚合改为共享验证：每个客户端用本地数据和自家冻结大模型生成的候选回答训练一个验证器，服务器把这些独立训练的验证器汇成池，推理时按池内评分挑选回答，骨干参数始终不合并。在五个医疗问答数据集上，各中心分别使用 3B 到 14B 的 Qwen 与 LLaMA 骨干，同一个验证器池无需重新训练即可复用于全部五个骨干，平均准确率比最强的常规联邦基线高 1.46 到 5.79 个百分点。

联邦学习通常要求各机构共享同一套模型骨干，才能聚合参数更新，这使使用不同家族、不同规模大模型的机构难以协作。FedVP 把协作从参数聚合改为共享验证：每个客户端用本地数据和自家冻结大模型生成的候选回答训练一个验证器，服务器把这些独立训练的验证器汇成池，推理时按池内评分挑选回答，骨干参数始终不合并。在五个医疗问答数据集上，各中心分别使用 3B 到 14B 的 Qwen 与 LLaMA 骨干，同一个验证器池无需重新训练即可复用于全部五个骨干，平均准确率比最强的常规联邦基线高 1.46 到 5.79 个百分点。

ARC-AGI-3 要求智能体在无指令的交互环境中用尽量少的动作通关，而把画面当作整数矩阵直接喂给推理模型会让它反复撞墙。Sarbloh 在主机端用无学习参数的代码算出可达性、包围、中点系连和二面体对称等几何事实，把角色判断留成带一次动作验证的猜测，并让智能体在 Python 内核里用 await play() 提交多步路径。在官方隐藏集上，它的得分从 0.27 的初始基线升到 16.53；原文把这一提升表述为相对首个 Milestone 冠军的 13.7 效率改进，而同一份表格给该冠军的分数是 1.21。

ARC-AGI-3 要求智能体在无指令的交互环境中用尽量少的动作通关，而把画面当作整数矩阵直接喂给推理模型会让它反复撞墙。Sarbloh 在主机端用无学习参数的代码算出可达性、包围、中点系连和二面体对称等几何事实，把角色判断留成带一次动作验证的猜测，并让智能体在 Python 内核里用 await play() 提交多步路径。在官方隐藏集上，它的得分从 0.27 的初始基线升到 16.53；原文把这一提升表述为相对首个 Milestone 冠军的 13.7 效率改进，而同一份表格给该冠军的分数是 1.21。

神经 Hamilton–Jacobi 可达性方法 DeepReach 用神经网络代替网格求解值函数，但对残差两侧同等惩罚，学到的值可能高于真值，把不安全状态误判为安全。ConDR 改为朝 HJI 变分不等式的下解训练：障碍分支与终端条件由构造保证，微分分支用单侧损失推到安全裕度以下，并加互补项避免把所有状态都判为不安全。在 Air3D、Air6D、9 维多车与 13 维四旋翼上，ConDR 报告最低的漏判率与最低的闭环碰撞率，干预率至多小幅增加。

神经 Hamilton–Jacobi 可达性方法 DeepReach 用神经网络代替网格求解值函数，但对残差两侧同等惩罚，学到的值可能高于真值，把不安全状态误判为安全。ConDR 改为朝 HJI 变分不等式的下解训练：障碍分支与终端条件由构造保证，微分分支用单侧损失推到安全裕度以下，并加互补项避免把所有状态都判为不安全。在 Air3D、Air6D、9 维多车与 13 维四旋翼上，ConDR 报告最低的漏判率与最低的闭环碰撞率，干预率至多小幅增加。

长期运行的LLM智能体常把每个回合总结出的经验直接写进记忆，但局部成功并不等于可复用、安全的知识。FGSE把每条候选经验写成带前置条件、行为改变、预期效果和验证器的结构化假设，先在临时状态里做目标迁移、证伪和归档回归三类探针测试，再决定提交、收窄或拒绝。在WebArena、AppWorld与τ-bench等验证器可用的基准上，以DeepSeek-V3.1为骨干的FGSE取得39.8的WebArena成功率、78.8的AppWorld平均完成度，并把证伪失败率、回归损伤和有害提交更新分别压到5.0%、1.3%和3.6%。

长期运行的LLM智能体常把每个回合总结出的经验直接写进记忆，但局部成功并不等于可复用、安全的知识。FGSE把每条候选经验写成带前置条件、行为改变、预期效果和验证器的结构化假设，先在临时状态里做目标迁移、证伪和归档回归三类探针测试，再决定提交、收窄或拒绝。在WebArena、AppWorld与τ-bench等验证器可用的基准上，以DeepSeek-V3.1为骨干的FGSE取得39.8的WebArena成功率、78.8的AppWorld平均完成度，并把证伪失败率、回归损伤和有害提交更新分别压到5.0%、1.3%和3.6%。

本构模型发现不再只问哪些候选项能拟合响应，而是问哪个环境变量驱动哪个机制。把含内变量的本构模型写成按时间展开的结构因果模型，用弱形式平衡残差给候选图打分，气候箱协议被当作干预。合成多孔板算例中，位移噪声约0.01像素时，干预数据在10次运行里7次精确恢复13条候选边中的8条真实边，且没有归因错误；温湿相关的观测数据一次也没有恢复。

本构模型发现不再只问哪些候选项能拟合响应，而是问哪个环境变量驱动哪个机制。把含内变量的本构模型写成按时间展开的结构因果模型，用弱形式平衡残差给候选图打分，气候箱协议被当作干预。合成多孔板算例中，位移噪声约0.01像素时，干预数据在10次运行里7次精确恢复13条候选边中的8条真实边，且没有归因错误；温湿相关的观测数据一次也没有恢复。

多视角三维视觉语言模型存在视角诱导的语义漂移：同一物体和同一提问，换一个相机视角，目标相关响应就会变弱、弥散或偏移。LieVLM 让几何令牌预测局部旋转参数和通道门控，在预训练视觉特征的三维子空间上施加保长的旋转修正，再把修正量门控后融回原表示。在 ScanRefer 上，LieVLM-8B 取得 64.5 的 Acc@0.25 和 57.2 的 Acc@0.5，在相同提案细化协议下比已发表的 VG LLM-8B 分别高 6.9 和 6.3 点。

多视角三维视觉语言模型存在视角诱导的语义漂移：同一物体和同一提问，换一个相机视角，目标相关响应就会变弱、弥散或偏移。LieVLM 让几何令牌预测局部旋转参数和通道门控，在预训练视觉特征的三维子空间上施加保长的旋转修正，再把修正量门控后融回原表示。在 ScanRefer 上，LieVLM-8B 取得 64.5 的 Acc@0.25 和 57.2 的 Acc@0.5，在相同提案细化协议下比已发表的 VG LLM-8B 分别高 6.9 和 6.3 点。

课程学习在强化学习中常比监督学习更有效，原因此前缺少可解析的解释。一个可精确求解的目标拦截模型显示：奖励密集时课程只带来边际收益，奖励稀疏时课程可能是学习发生的前提；当智能体同时追求省力与高回报时，会出现相互竞争的局部最优，使智能体停在“放弃”解上。有用的课程做两件事：降低奖励稀疏度以加快学习，并塑造奖励地形把智能体引离坏的局部最优。

课程学习在强化学习中常比监督学习更有效，原因此前缺少可解析的解释。一个可精确求解的目标拦截模型显示：奖励密集时课程只带来边际收益，奖励稀疏时课程可能是学习发生的前提；当智能体同时追求省力与高回报时，会出现相互竞争的局部最优，使智能体停在“放弃”解上。有用的课程做两件事：降低奖励稀疏度以加快学习，并塑造奖励地形把智能体引离坏的局部最优。

多智能体系统里，置信度一旦决定谁获得下游算力与决策权重，智能体就有动机虚报。审计枢轴计分机制（APSM）把平台控制的分配收益从转移中抵消，用逆倾向加权的稀疏审计核验结果，再收取 Clarke 枢轴外部性并叠加严格适当评分，使真实报告成为唯一期望效用最优回应。在无计算器实验中，Top-K 激励下智能体确实抬高置信度；在智能体本地效用接口辅助下，APSM 相对补偿式适当评分（CPS）取得更低的 Brier 损失和更少的截断越界，但 CPS 的精确分配匹配率更高。

多智能体系统里，置信度一旦决定谁获得下游算力与决策权重，智能体就有动机虚报。审计枢轴计分机制（APSM）把平台控制的分配收益从转移中抵消，用逆倾向加权的稀疏审计核验结果，再收取 Clarke 枢轴外部性并叠加严格适当评分，使真实报告成为唯一期望效用最优回应。在无计算器实验中，Top-K 激励下智能体确实抬高置信度；在智能体本地效用接口辅助下，APSM 相对补偿式适当评分（CPS）取得更低的 Brier 损失和更少的截断越界，但 CPS 的精确分配匹配率更高。

在修正版CIC-IDS2017上，四个异构检测器给出的标签与置信度被按威胁模型污染后，未经核验的开源LLM调查员在四个检测器坏掉一个时准确率降到0.50–0.72，坏掉三个时全部跌到0.13以下。冲突感知证据核验（CAV）把上报置信度排除在投票之外，只在工具之间出现冲突时，用基于原始流量特征的最近邻信任分数检验候选家族。冻结提示词后，CAV-LLM在三个检测器被污染的持久与偶发两种情形下达到0.84–0.88，而朴素调查员至多0.08，同时只在0.4%的干净流量上调用LLM。

在修正版CIC-IDS2017上，四个异构检测器给出的标签与置信度被按威胁模型污染后，未经核验的开源LLM调查员在四个检测器坏掉一个时准确率降到0.50–0.72，坏掉三个时全部跌到0.13以下。冲突感知证据核验（CAV）把上报置信度排除在投票之外，只在工具之间出现冲突时，用基于原始流量特征的最近邻信任分数检验候选家族。冻结提示词后，CAV-LLM在三个检测器被污染的持久与偶发两种情形下达到0.84–0.88，而朴素调查员至多0.08，同时只在0.4%的干净流量上调用LLM。

视觉验证器长期只输出真或假的二值判断，难以区分不同程度的部分正确。OmniVerifier-C1把复杂提示或环境规则拆成细粒度子问题，逐项做二值判断后按满足比例给出连续分数，并用解耦强化学习同时优化子问题判断与全局对齐打分。在ViVerBench上，以Qwen3-VL-8B为基座、经分级监督微调再加分级强化学习的版本总体得分为0.684，高于仅用二值强化学习的0.671。

视觉验证器长期只输出真或假的二值判断，难以区分不同程度的部分正确。OmniVerifier-C1把复杂提示或环境规则拆成细粒度子问题，逐项做二值判断后按满足比例给出连续分数，并用解耦强化学习同时优化子问题判断与全局对齐打分。在ViVerBench上，以Qwen3-VL-8B为基座、经分级监督微调再加分级强化学习的版本总体得分为0.684，高于仅用二值强化学习的0.671。

PaperBenchX把论文复现从机器学习扩展到12个研究领域，要求智能体在HFSS、Lumerical、Meep、PySCF等原生科学软件中重建关键实验，并从头重跑提交的工作流、只对重新生成的证据打分。10个前沿智能体配置在93项任务上的平均评分从27.53%到59.08%，最强配置也只有14%的任务达到90%的完全复现阈值，而建模与执行得分明显高于验证得分。

PaperBenchX把论文复现从机器学习扩展到12个研究领域，要求智能体在HFSS、Lumerical、Meep、PySCF等原生科学软件中重建关键实验，并从头重跑提交的工作流、只对重新生成的证据打分。10个前沿智能体配置在93项任务上的平均评分从27.53%到59.08%，最强配置也只有14%的任务达到90%的完全复现阈值，而建模与执行得分明显高于验证得分。

ConwayNet在神经网络每一层加入一条固定的、受生命游戏启发的侧抑制规则：规则参数不参与优化，只根据该层输入算出邻域占据度，再按单元自身状态把出生与存活门混合进输出。规则接入全连接、卷积、宽残差和图卷积网络后，激活图在空间、深度和随机种子之间变得连贯，梯度显著图更多落在物体上；在浅层卷积网络上，高斯、散粒和脉冲噪声下的准确率提升达到两位数，代价是干净准确率在MNIST、EMNIST及其彩色版本上约降一个点，在FashionMNIST和KMNIST上降几个点。

ConwayNet在神经网络每一层加入一条固定的、受生命游戏启发的侧抑制规则：规则参数不参与优化，只根据该层输入算出邻域占据度，再按单元自身状态把出生与存活门混合进输出。规则接入全连接、卷积、宽残差和图卷积网络后，激活图在空间、深度和随机种子之间变得连贯，梯度显著图更多落在物体上；在浅层卷积网络上，高斯、散粒和脉冲噪声下的准确率提升达到两位数，代价是干净准确率在MNIST、EMNIST及其彩色版本上约降一个点，在FashionMNIST和KMNIST上降几个点。

Imbue把部署时才拿到的外部知识接入已训练好的贝叶斯实验设计策略，无需重新训练：用户给出的先验和以往实验的观测都被编码成额外输入令牌，由同一个Transformer与已积累的观测一起处理，可靠性过滤器再按当前观测给每个令牌打分并剔除不一致者。在四个基准上，外部知识可靠时它加快早期信息获取，不可靠时则接近无外部输入的基线。

Imbue把部署时才拿到的外部知识接入已训练好的贝叶斯实验设计策略，无需重新训练：用户给出的先验和以往实验的观测都被编码成额外输入令牌，由同一个Transformer与已积累的观测一起处理，可靠性过滤器再按当前观测给每个令牌打分并剔除不一致者。在四个基准上，外部知识可靠时它加快早期信息获取，不可靠时则接近无外部输入的基线。

量子化学里逼近完备基组（CBS）极限通常要做多次中等质量计算再外推。这里改用最小基组pcseg-0的单次Hartree–Fock计算，叠加一个经过优化的极小互补辅助基组（CABS）单激发修正，再用核岭回归学习剩余误差。在GDB-BSIE数据集上，CABSmin/pcseg-0经原子去趋势后相对RHF/cc-pV5Z的RMSE为7.03 mHa，推理耗时约为cc-pVDZ单点的16%。

量子化学里逼近完备基组（CBS）极限通常要做多次中等质量计算再外推。这里改用最小基组pcseg-0的单次Hartree–Fock计算，叠加一个经过优化的极小互补辅助基组（CABS）单激发修正，再用核岭回归学习剩余误差。在GDB-BSIE数据集上，CABSmin/pcseg-0经原子去趋势后相对RHF/cc-pV5Z的RMSE为7.03 mHa，推理耗时约为cc-pVDZ单点的16%。

非素数幂阶的互正交拉丁方（MOLS）下界长期远低于上界。OpenAI 的 GPT-6 Astra 借助差矩阵、准差矩阵、正交阵列提升和射影平面取点等既有技术，在 22 到 494 之间的 33 个阶上构造出更大的 MOLS 集合，抬高这些阶的下界；其中阶 22 首次给出 4 个 MOLS，与既有结果合并后，n=22 起所有阶都已知至少 4 个。

非素数幂阶的互正交拉丁方（MOLS）下界长期远低于上界。OpenAI 的 GPT-6 Astra 借助差矩阵、准差矩阵、正交阵列提升和射影平面取点等既有技术，在 22 到 494 之间的 33 个阶上构造出更大的 MOLS 集合，抬高这些阶的下界；其中阶 22 首次给出 4 个 MOLS，与既有结果合并后，n=22 起所有阶都已知至少 4 个。

因果中介分析要把处理效应拆成经中介变量的间接通路和其余直接通路，而给间接效应配置信区间通常要在每张表上重新拟合多个冗余函数并反复重采样。MediPFN把预训练的表格基础模型适配到这些冗余函数的预测上，再用一个单独的头从已知间接效应的模拟表中学习估计量标准化误差的分位数，经对称化与独立校准给出区间。在合成、分布偏移与真实协变量表上，它的覆盖率比若干对照更接近95%名义水平，配对计时中位比自助法快59.1倍。

因果中介分析要把处理效应拆成经中介变量的间接通路和其余直接通路，而给间接效应配置信区间通常要在每张表上重新拟合多个冗余函数并反复重采样。MediPFN把预训练的表格基础模型适配到这些冗余函数的预测上，再用一个单独的头从已知间接效应的模拟表中学习估计量标准化误差的分位数，经对称化与独立校准给出区间。在合成、分布偏移与真实协变量表上，它的覆盖率比若干对照更接近95%名义水平，配对计时中位比自助法快59.1倍。

在多个大规模Perturb-seq数据集上，一种名为Graph-guided Flow Matching（GFM）的生成框架把基因本体、蛋白互作和扰动相似性三类知识图谱与潜空间流匹配结合，用于预测未见过扰动后的单细胞转录组。它在单基因扰动预测上超过了线性基线和CellFlow、GEARS、scGPT等深度学习模型，训练速度最多快30倍，并在训练数据减少时保持优势；在双基因扰动中，当两个基因都未在训练中出现时表现更好。

在多个大规模Perturb-seq数据集上，一种名为Graph-guided Flow Matching（GFM）的生成框架把基因本体、蛋白互作和扰动相似性三类知识图谱与潜空间流匹配结合，用于预测未见过扰动后的单细胞转录组。它在单基因扰动预测上超过了线性基线和CellFlow、GEARS、scGPT等深度学习模型，训练速度最多快30倍，并在训练数据减少时保持优势；在双基因扰动中，当两个基因都未在训练中出现时表现更好。

谷歌推出Gemini 4 Hydrogen，一款面向日常编码与智能体工作流的快速执行模型，与专注长程推理的Gemini 4 Carbon和Argon形成分工。在默认高思考档下，它在Artificial Analysis智能指数上以51分超过Argon的50分，最高xhigh档达到54分；从Gemini 3.8 Flash迁移的团队任务完成速度快2.5倍，Terminal-Bench 4.1得分从18.2%升至57%。其100万token上下文窗口内输入输出分别按每百万token 1.50美元和7.50美元统一定价。

谷歌推出Gemini 4 Hydrogen，一款面向日常编码与智能体工作流的快速执行模型，与专注长程推理的Gemini 4 Carbon和Argon形成分工。在默认高思考档下，它在Artificial Analysis智能指数上以51分超过Argon的50分，最高xhigh档达到54分；从Gemini 3.8 Flash迁移的团队任务完成速度快2.5倍，Terminal-Bench 4.1得分从18.2%升至57%。其100万token上下文窗口内输入输出分别按每百万token 1.50美元和7.50美元统一定价。

结构蛋白语言模型ESM3把蛋白当作真空中的分子，缺少溶剂信息，导致逐残基输出把氢键误判为失稳因素，且误差随溶剂可及表面积变化。HEIWA在ESM3残基嵌入上加入水—残基注意力，用可学习的水分子键向量和旋转角度项传递溶剂介导的力场信息。在热稳定蛋白分类代理任务上，加入HEIWA的模型分类指标与基线大体相当，但逐残基输出与RMSF基准和SASA的相关性改善，分子动力学温度爬升显示38个测试蛋白中23个更稳定。

结构蛋白语言模型ESM3把蛋白当作真空中的分子，缺少溶剂信息，导致逐残基输出把氢键误判为失稳因素，且误差随溶剂可及表面积变化。HEIWA在ESM3残基嵌入上加入水—残基注意力，用可学习的水分子键向量和旋转角度项传递溶剂介导的力场信息。在热稳定蛋白分类代理任务上，加入HEIWA的模型分类指标与基线大体相当，但逐残基输出与RMSF基准和SASA的相关性改善，分子动力学温度爬升显示38个测试蛋白中23个更稳定。

在只能改写部分已部署传感器通道、且不知道电网拓扑与检测器参数的条件下，PCGAN从历史量测中学出有功-电压相角、无功-电压幅值的近似解耦关系，并用对抗训练生成贴近正常运行的数据注入扰动。在IEEE 300节点系统、PJM一年小时负荷与10%至100%被攻陷传感器的四种场景中，它对十种机器学习检测器的平均规避率为84.28%，平均空间负荷误判为22.31%，隐身-影响综合分平均18.69%，而最强对比攻击为5.61%。

在只能改写部分已部署传感器通道、且不知道电网拓扑与检测器参数的条件下，PCGAN从历史量测中学出有功-电压相角、无功-电压幅值的近似解耦关系，并用对抗训练生成贴近正常运行的数据注入扰动。在IEEE 300节点系统、PJM一年小时负荷与10%至100%被攻陷传感器的四种场景中，它对十种机器学习检测器的平均规避率为84.28%，平均空间负荷误判为22.31%，隐身-影响综合分平均18.69%，而最强对比攻击为5.61%。

磁性神经演化势把磁矩与原子位置一起作为输入，使同一原子结构下的不同磁序不再共用一个能量面。在CrN、Fe和FeGe上，它与不含磁性描述符的标准神经演化势用同一数据集、同样迭代次数训练，能量均方根误差最多降低约一个数量级。Fe的自旋—晶格耦合模拟给出约1000 K的磁转变温度，接近实验居里温度1043 K；单块消费级GPU可完成两百多万原子的耦合动力学模拟。

磁性神经演化势把磁矩与原子位置一起作为输入，使同一原子结构下的不同磁序不再共用一个能量面。在CrN、Fe和FeGe上，它与不含磁性描述符的标准神经演化势用同一数据集、同样迭代次数训练，能量均方根误差最多降低约一个数量级。Fe的自旋—晶格耦合模拟给出约1000 K的磁转变温度，接近实验居里温度1043 K；单块消费级GPU可完成两百多万原子的耦合动力学模拟。

MC@NLO匹配产生的负权重事件会削弱模拟的统计效力，而完全折叠虽能压低负权重却代价极高。该工作用决策树和归一化流在辐射变量上学习一个积分为零的局部修正，改写带辐射事件的短距离截面，在电子对撞与强子对撞的多个过程中多数情形下降低了负权重比例，同时保持总截面和Born级分布不变，代价是适度的额外计算开销。

MC@NLO匹配产生的负权重事件会削弱模拟的统计效力，而完全折叠虽能压低负权重却代价极高。该工作用决策树和归一化流在辐射变量上学习一个积分为零的局部修正，改写带辐射事件的短距离截面，在电子对撞与强子对撞的多个过程中多数情形下降低了负权重比例，同时保持总截面和Born级分布不变，代价是适度的额外计算开销。

KEN把二维卷积核嵌入E(3)等变图神经网络，让原子间势在几何坐标之外直接读取电子自旋相互作用矩阵，以绕开纯坐标势在强关联磁体系中的不适定问题。在HE26锕系数据集上，KENJI的训练集键能平均绝对误差为6.93 meV/atom，MACE-osaka26为44.7 meV/atom，训练集力误差34.10 meV/Å与MACE-osaka26的26.30 meV/Å相当。独立测试集上能量误差为46.74 meV/atom，力误差高于MACE-osaka26，作者将后者部分归因于自身未使用应力训练。

KEN把二维卷积核嵌入E(3)等变图神经网络，让原子间势在几何坐标之外直接读取电子自旋相互作用矩阵，以绕开纯坐标势在强关联磁体系中的不适定问题。在HE26锕系数据集上，KENJI的训练集键能平均绝对误差为6.93 meV/atom，MACE-osaka26为44.7 meV/atom，训练集力误差34.10 meV/Å与MACE-osaka26的26.30 meV/Å相当。独立测试集上能量误差为46.74 meV/atom，力误差高于MACE-osaka26，作者将后者部分归因于自身未使用应力训练。

非人灵长类的手指运动标签长期依赖带弯折传感器的机械手柄，这类装置限制了可测运动的维度。Freebie 用多台同步相机和实时姿态估计直接输出手指关键点，在30 FPS与60 FPS采集下分别取得15.8毫秒和16.2毫秒的端到端延迟中位数，其关键点与弯折传感器的中位相关系数绝对值为0.96。用Freebie标签训练的肌电解码器在闭环控制中与用弯折传感器标签训练的版本表现相当，说明训练解码器未必需要给手部加装传感器。

非人灵长类的手指运动标签长期依赖带弯折传感器的机械手柄，这类装置限制了可测运动的维度。Freebie 用多台同步相机和实时姿态估计直接输出手指关键点，在30 FPS与60 FPS采集下分别取得15.8毫秒和16.2毫秒的端到端延迟中位数，其关键点与弯折传感器的中位相关系数绝对值为0.96。用Freebie标签训练的肌电解码器在闭环控制中与用弯折传感器标签训练的版本表现相当，说明训练解码器未必需要给手部加装传感器。

TabOmics是一个仅7.3M参数、只用合成表格预训练的开放表格基础模型，推理时把预处理后保留的全部特征一次性联合处理，不需要按特征抽样或压缩。在三个高维小样本基准共46个分类任务上，八成员集成的TabOmics v2.5取得0.943的平均AUROC，高于八成员TabPFN-3.5的0.942；单成员版本为0.941，与后者无显著配对差异，但单次前向的耗时约为其五倍。

TabOmics是一个仅7.3M参数、只用合成表格预训练的开放表格基础模型，推理时把预处理后保留的全部特征一次性联合处理，不需要按特征抽样或压缩。在三个高维小样本基准共46个分类任务上，八成员集成的TabOmics v2.5取得0.943的平均AUROC，高于八成员TabPFN-3.5的0.942；单成员版本为0.941，与后者无显著配对差异，但单次前向的耗时约为其五倍。

环境微生物组中β-内酰胺酶的功能多样性与突变潜力此前只被部分认识。把蛋白质语言模型与集成学习结合，从环境宏基因组中识别出四个Ambler类共逾4.6万个潜在β-内酰胺酶，其中与已知酶序列同一性约30%的两个C类候选在大肠杆菌中表达后赋予对多种β-内酰胺类抗生素的耐药性；再用逆折叠模型与蛋白质语言模型筛出的突变可改变耐药谱，包括增强对碳青霉烯类的耐药。

环境微生物组中β-内酰胺酶的功能多样性与突变潜力此前只被部分认识。把蛋白质语言模型与集成学习结合，从环境宏基因组中识别出四个Ambler类共逾4.6万个潜在β-内酰胺酶，其中与已知酶序列同一性约30%的两个C类候选在大肠杆菌中表达后赋予对多种β-内酰胺类抗生素的耐药性；再用逆折叠模型与蛋白质语言模型筛出的突变可改变耐药谱，包括增强对碳青霉烯类的耐药。

工程设计中，仿真与实验昂贵，可用的已评估设计往往只有10到1000个。GenPFN不训练新生成器，而是用权重固定的TabPFN分类器读取已标注设计，在期望设计之间插值，再用分类器梯度与高斯噪声更新候选，每个候选都要经过问题本身的约束和目标函数评估。在14个工程问题上，GenPFN v1的类别满足率高于所测CTGAN、TVAE和TabDDPM，真实度距离更低；在船尾案例中，1000个候选有993个通过几何检查并达到螺旋桨安装面积要求，而2000个随机上下文设计里只有28个达到。

工程设计中，仿真与实验昂贵，可用的已评估设计往往只有10到1000个。GenPFN不训练新生成器，而是用权重固定的TabPFN分类器读取已标注设计，在期望设计之间插值，再用分类器梯度与高斯噪声更新候选，每个候选都要经过问题本身的约束和目标函数评估。在14个工程问题上，GenPFN v1的类别满足率高于所测CTGAN、TVAE和TabDDPM，真实度距离更低；在船尾案例中，1000个候选有993个通过几何检查并达到螺旋桨安装面积要求，而2000个随机上下文设计里只有28个达到。

大型强子对撞机上的强子喷注能量校准长期依赖对若干可观测量的参数化函数拟合，逐级修正堆叠、探测器响应与数据—模拟差异。一个原型流水线把这三类修正都交给直接针对该级待修正量训练的神经网络，不预设函数形式，新增输入即可扩展。在模拟的双喷注与大半径喷注样本上，各阶段性能与参数化基线相当或更好，残余堆叠依赖平均约为基线的十分之一。

大型强子对撞机上的强子喷注能量校准长期依赖对若干可观测量的参数化函数拟合，逐级修正堆叠、探测器响应与数据—模拟差异。一个原型流水线把这三类修正都交给直接针对该级待修正量训练的神经网络，不预设函数形式，新增输入即可扩展。在模拟的双喷注与大半径喷注样本上，各阶段性能与参数化基线相当或更好，残余堆叠依赖平均约为基线的十分之一。

多模态配对数据通常被用来把两个编码器拉到同一个嵌入空间里。DuoJEPA反过来保留每个模态各自的LeJEPA自监督空间，只在每个编码器后加一层无残差的transformer翻译层，把嵌入译到对方空间，并用完全在目标空间内计算的对比损失训练。在CheXpert Plus胸片与报告上，它的零样本AUC为86.6、跨模态检索分数为78.5，而相同编码器和数据下重实现的LeVLJEPA为60.0和64.2，同时配对余弦检验未检出两个自有空间直接对齐。

多模态配对数据通常被用来把两个编码器拉到同一个嵌入空间里。DuoJEPA反过来保留每个模态各自的LeJEPA自监督空间，只在每个编码器后加一层无残差的transformer翻译层，把嵌入译到对方空间，并用完全在目标空间内计算的对比损失训练。在CheXpert Plus胸片与报告上，它的零样本AUC为86.6、跨模态检索分数为78.5，而相同编码器和数据下重实现的LeVLJEPA为60.0和64.2，同时配对余弦检验未检出两个自有空间直接对齐。

面向必须在硬截止时间内处理传感器数据的科学工作流，UniPipe把深度神经网络代理模型的推理服务与在线微调放进同一块边缘GPU上的同一个CUDA上下文，用一次前向同时处理推理请求和带标签样本，只对标签子集做反向传播。在真实叠层成像重建流程与PtychoNN上，它相对冻结的预训练基线降低推理与重建均方误差，相对双上下文并发基线降低截止时间错过率，并把95百分位延迟相对均值的离散度缩小近一半。

面向必须在硬截止时间内处理传感器数据的科学工作流，UniPipe把深度神经网络代理模型的推理服务与在线微调放进同一块边缘GPU上的同一个CUDA上下文，用一次前向同时处理推理请求和带标签样本，只对标签子集做反向传播。在真实叠层成像重建流程与PtychoNN上，它相对冻结的预训练基线降低推理与重建均方误差，相对双上下文并发基线降低截止时间错过率，并把95百分位延迟相对均值的离散度缩小近一半。

LangChain宣布完成3亿美元C轮融资，估值30亿美元，由现有投资方CapitalG领投，GIC、DFJ Growth等新投资方参与。公司把资金指向让每家企业“拥有自己的智能”这一目标，其落点是框架无关的智能体平台LangSmith，覆盖运行、改进与治理三部分。官方称已有7000多家机构使用LangSmith，其中Workday把新智能体的部署时间从五个月缩短到一天以内。

LangChain宣布完成3亿美元C轮融资，估值30亿美元，由现有投资方CapitalG领投，GIC、DFJ Growth等新投资方参与。公司把资金指向让每家企业“拥有自己的智能”这一目标，其落点是框架无关的智能体平台LangSmith，覆盖运行、改进与治理三部分。官方称已有7000多家机构使用LangSmith，其中Workday把新智能体的部署时间从五个月缩短到一天以内。

手术视频的技能评分长期依赖固定量表，换一套措辞相近的评估条目就要重新训练。Predictive Rubric Alignment（PRA）改为预测评分者对各级别文字描述嵌入的加权组合，再把预测向量投影到相邻描述连成的路径上读出分数。在AIxSuture缝合视频上，使用学习条目查询的PRA-item取得0.848的准确率和0.829的宏F1，宏F1比Video Swin-T高0.113；只用两个条目训练的PRA-cond还能对JIGSAWS未见过条目给出正相关评分。

手术视频的技能评分长期依赖固定量表，换一套措辞相近的评估条目就要重新训练。Predictive Rubric Alignment（PRA）改为预测评分者对各级别文字描述嵌入的加权组合，再把预测向量投影到相邻描述连成的路径上读出分数。在AIxSuture缝合视频上，使用学习条目查询的PRA-item取得0.848的准确率和0.829的宏F1，宏F1比Video Swin-T高0.113；只用两个条目训练的PRA-cond还能对JIGSAWS未见过条目给出正相关评分。

近场超大规模MIMO通感一体系统的波束赋形通常要反复求解非凸约束优化，在线时延随阵列规模上升。PATBO把通信与感知波束方向按几何固定构造，只让Transformer预测各流的归一化功率，并用定位精度界（CRB）敏感度加权训练。在1024天线、4用户、2目标的保留测试集上，直接推理联合可行率为19.54%，经物理约束功率修复升到87.79%，再对剩余样本回退优化器后达到100%，单样本推理1.11毫秒。

近场超大规模MIMO通感一体系统的波束赋形通常要反复求解非凸约束优化，在线时延随阵列规模上升。PATBO把通信与感知波束方向按几何固定构造，只让Transformer预测各流的归一化功率，并用定位精度界（CRB）敏感度加权训练。在1024天线、4用户、2目标的保留测试集上，直接推理联合可行率为19.54%，经物理约束功率修复升到87.79%，再对剩余样本回退优化器后达到100%，单样本推理1.11毫秒。

加州理工学院等团队训练了一个名为CDE的二维卷积神经网络，把低信噪比的莱曼α积分场光谱数据立方反推为视线积分的气体柱密度图。训练样本来自IllustrisTNG100模拟，经简化的莱曼α辐射转移计算并加入近似KCWI噪声。在模拟测试集上，CDE的线性均方根误差中位数为1.48×10²⁰ cm^-2、图像结构相似度中位数为0.635，均优于逐像素幂律拟合的经验基线；用于CC2.2与Hyperion两个原初星系团的实际KCWI观测时，预测图出现延伸约40角秒以上的纤维状结构，但结果仍以所采用的模拟与辐射转移假设为条件。

加州理工学院等团队训练了一个名为CDE的二维卷积神经网络，把低信噪比的莱曼α积分场光谱数据立方反推为视线积分的气体柱密度图。训练样本来自IllustrisTNG100模拟，经简化的莱曼α辐射转移计算并加入近似KCWI噪声。在模拟测试集上，CDE的线性均方根误差中位数为1.48×10²⁰ cm^-2、图像结构相似度中位数为0.635，均优于逐像素幂律拟合的经验基线；用于CC2.2与Hyperion两个原初星系团的实际KCWI观测时，预测图出现延伸约40角秒以上的纤维状结构，但结果仍以所采用的模拟与辐射转移假设为条件。

PDZ结合基序（PBM）是蛋白末端十几个残基的短序列，能决定蛋白与哪些PDZ结构域结合。此前按亲和力设计PBM通常要为每个结构域单独建模，难以同时兼顾脱靶。该工作把PDZ与PBM编码进同一128维单位球面，用余弦相似度预测pKd，并把单靶、靶–脱靶差、双靶均值三种目标写成球面上的方向；在DLG4-PDZ3的4位重设计中，前100个候选中84个落入已发表突变库实测适应度前1%，对照方法为64个。

PDZ结合基序（PBM）是蛋白末端十几个残基的短序列，能决定蛋白与哪些PDZ结构域结合。此前按亲和力设计PBM通常要为每个结构域单独建模，难以同时兼顾脱靶。该工作把PDZ与PBM编码进同一128维单位球面，用余弦相似度预测pKd，并把单靶、靶–脱靶差、双靶均值三种目标写成球面上的方向；在DLG4-PDZ3的4位重设计中，前100个候选中84个落入已发表突变库实测适应度前1%，对照方法为64个。

Cloudflare 将面向 AI 智能体的无状态浏览器 Kitesurf 以 Apache 2.0 许可证在 GitHub 开源，开发者可以阅读代码、在本地运行、修改，并把自建实例部署到自己的 Cloudflare Workers 账户。Kitesurf 完全运行在 Workers 之上，解析 HTML、应用 CSS、执行页面 JavaScript 并渲染截图，不需要浏览器容器，并支持 Chrome DevTools Protocol，因此 Puppeteer 这类客户端可以接入。Cloudflare 表示其目标是给智能体一个比 Chromium 这类完整浏览器占用更少 CPU 和内存、并能按需扩展的轻量浏览器，同时说明项目仍在密集开发中。

Cloudflare 将面向 AI 智能体的无状态浏览器 Kitesurf 以 Apache 2.0 许可证在 GitHub 开源，开发者可以阅读代码、在本地运行、修改，并把自建实例部署到自己的 Cloudflare Workers 账户。Kitesurf 完全运行在 Workers 之上，解析 HTML、应用 CSS、执行页面 JavaScript 并渲染截图，不需要浏览器容器，并支持 Chrome DevTools Protocol，因此 Puppeteer 这类客户端可以接入。Cloudflare 表示其目标是给智能体一个比 Chromium 这类完整浏览器占用更少 CPU 和内存、并能按需扩展的轻量浏览器，同时说明项目仍在密集开发中。

宇宙学光锥沿视线方向同时对应宇宙时间，因此可视为一段记录结构演化的视频。ViViViT 把 21 厘米亮温光锥到物质密度光锥的重建改写为视频到视频的翻译，用空间与时间分离的注意力处理整条光锥。在 21cmFAST 模拟的留出光锥上，它把谱功率与相位一致性保持在真值几个百分点以内，并在所有测量的统计量上优于所测试的 3D U-Net 基线。

宇宙学光锥沿视线方向同时对应宇宙时间，因此可视为一段记录结构演化的视频。ViViViT 把 21 厘米亮温光锥到物质密度光锥的重建改写为视频到视频的翻译，用空间与时间分离的注意力处理整条光锥。在 21cmFAST 模拟的留出光锥上，它把谱功率与相位一致性保持在真值几个百分点以内，并在所有测量的统计量上优于所测试的 3D U-Net 基线。

患者来源异种移植（PDX）把人体肿瘤种到免疫缺陷小鼠身上试药，但穷举所有肿瘤与药物组合在时间和成本上不可行。GrAFT-PDX 用贝叶斯模型把肿瘤生长轨迹与小鼠死亡风险联合建模，借低秩张量分解在肿瘤系、治疗和时间三个维度上共享信息，从而补全未做的实验并预测死亡时间。在 PDXe 大规模筛选数据上，它预测死亡时间的对数概率高于 Royston-Parmar 等生存基线，肿瘤反应预测与强基线相当，且不使用基因组输入也能保留已知的基因-药物关联。

患者来源异种移植（PDX）把人体肿瘤种到免疫缺陷小鼠身上试药，但穷举所有肿瘤与药物组合在时间和成本上不可行。GrAFT-PDX 用贝叶斯模型把肿瘤生长轨迹与小鼠死亡风险联合建模，借低秩张量分解在肿瘤系、治疗和时间三个维度上共享信息，从而补全未做的实验并预测死亡时间。在 PDXe 大规模筛选数据上，它预测死亡时间的对数概率高于 Royston-Parmar 等生存基线，肿瘤反应预测与强基线相当，且不使用基因组输入也能保留已知的基因-药物关联。

面对不等式约束数量极大的随机梯度优化，一种自适应约束采样方法不再每步从全部约束中均匀抽取，而是维护一个近期被违反约束的“重要集”，按概率在重要集与全体约束之间取样。在100维合成凸问题上，它把ABSGD、Projection-SGD与Huber-penalty SGD三种方法的迭代点与最优解的最终欧氏距离平均降低约两个数量级，APDSG降低一到两个数量级；在Dubins Car控制障碍函数合成中，最大约束违反量平均降低半个数量级、最多一个数量级。

面对不等式约束数量极大的随机梯度优化，一种自适应约束采样方法不再每步从全部约束中均匀抽取，而是维护一个近期被违反约束的“重要集”，按概率在重要集与全体约束之间取样。在100维合成凸问题上，它把ABSGD、Projection-SGD与Huber-penalty SGD三种方法的迭代点与最优解的最终欧氏距离平均降低约两个数量级，APDSG降低一到两个数量级；在Dubins Car控制障碍函数合成中，最大约束违反量平均降低半个数量级、最多一个数量级。

纳米红外高光谱成像要在每个像素上逐点采集光谱，完整立方体耗时可达数小时。CACNP把稀疏采到的光谱与少量单波数结构图一起输入卷积—注意力条件神经过程，在合成立方体上训练后直接输出整块立方体及逐体素不确定度。在环氧中聚苯乙烯与聚甲基丙烯酸甲酯颗粒的实验数据上，仅用5%光谱即可重建，推理不到0.1秒，重建误差接近样品噪声水平。

纳米红外高光谱成像要在每个像素上逐点采集光谱，完整立方体耗时可达数小时。CACNP把稀疏采到的光谱与少量单波数结构图一起输入卷积—注意力条件神经过程，在合成立方体上训练后直接输出整块立方体及逐体素不确定度。在环氧中聚苯乙烯与聚甲基丙烯酸甲酯颗粒的实验数据上，仅用5%光谱即可重建，推理不到0.1秒，重建误差接近样品噪声水平。

阿里巴巴把内部使用两年的AI代码审查助手开源为Open Code Review，用户只需配置一个模型端点即可启用。它读取Git差异，由具备工具调用能力的智能体读取完整文件、检索代码库并参考其他改动文件，生成带行级定位的结构化审查意见。在由50个开源仓库、200个真实拉取请求和10种编程语言构成的基准上，同一底层模型下它的精度与F1明显高于通用智能体，token消耗约为后者的九分之一，但召回率更低，这是为减少噪声而做的取舍。

阿里巴巴把内部使用两年的AI代码审查助手开源为Open Code Review，用户只需配置一个模型端点即可启用。它读取Git差异，由具备工具调用能力的智能体读取完整文件、检索代码库并参考其他改动文件，生成带行级定位的结构化审查意见。在由50个开源仓库、200个真实拉取请求和10种编程语言构成的基准上，同一底层模型下它的精度与F1明显高于通用智能体，token消耗约为后者的九分之一，但召回率更低，这是为减少噪声而做的取舍。

Google 发布 chrome-devtools-mcp，让 Antigravity、Claude、Cursor、Copilot 等编码智能体通过 Model-Context-Protocol 服务器或命令行控制并检查运行中的 Chrome 浏览器。它把 DevTools 的性能追踪、网络请求分析、截图和控制台消息读取交给智能体，并用 puppeteer 执行操作、自动等待动作结果。该工具官方只支持 Google Chrome 与 Chrome for Testing，其他 Chromium 浏览器可能可用但不保证。

Google 发布 chrome-devtools-mcp，让 Antigravity、Claude、Cursor、Copilot 等编码智能体通过 Model-Context-Protocol 服务器或命令行控制并检查运行中的 Chrome 浏览器。它把 DevTools 的性能追踪、网络请求分析、截图和控制台消息读取交给智能体，并用 puppeteer 执行操作、自动等待动作结果。该工具官方只支持 Google Chrome 与 Chrome for Testing，其他 Chromium 浏览器可能可用但不保证。

mRNA基础模型通常把整条转录本的词元嵌入做全局平均，再训练线性探针，短调控区的信号因此被长区域稀释。一种不增加参数的区域感知读出改为在5′UTR、编码序列和3′UTR内分别取均值再拼接，在20个冻结模型上使翻译与稳定性任务的Pearson相关平均提高11–25%，且没有任何模型在回归任务上显著变差。分类任务的AUPRC变化为−3%到+11%。

mRNA基础模型通常把整条转录本的词元嵌入做全局平均，再训练线性探针，短调控区的信号因此被长区域稀释。一种不增加参数的区域感知读出改为在5′UTR、编码序列和3′UTR内分别取均值再拼接，在20个冻结模型上使翻译与稳定性任务的Pearson相关平均提高11–25%，且没有任何模型在回归任务上显著变差。分类任务的AUPRC变化为−3%到+11%。

腾讯混元团队发布基于大语言模型的语音识别系统 Hy ASR 3.0，支持中文、英文、粤语及另外 12 个汉语方言组，并可用热词表、问答对话和摘要等外部上下文引导识别。在公开中文、英文、粤语基准上，其聚合错误率分别为 4.64%、5.22% 和 5.06%，均低于参评的非 Hy 系统；粤语单独聚合相对 Qwen3 ASR Flash 降低约 11.0%。系统还利用同一句话内部的信息区分同音或近音关键词，无需额外上下文输入。

腾讯混元团队发布基于大语言模型的语音识别系统 Hy ASR 3.0，支持中文、英文、粤语及另外 12 个汉语方言组，并可用热词表、问答对话和摘要等外部上下文引导识别。在公开中文、英文、粤语基准上，其聚合错误率分别为 4.64%、5.22% 和 5.06%，均低于参评的非 Hy 系统；粤语单独聚合相对 Qwen3 ASR Flash 降低约 11.0%。系统还利用同一句话内部的信息区分同音或近音关键词，无需额外上下文输入。

Claude Code 的更新日志显示，沙箱内运行的 Bash 命令默认改走常规权限流程，不再自动放行；要保留免提示执行，需在设置中打开 sandbox.autoAllowBashIfSandboxed。同一批改动还让只读 git 命令在非项目或未受信任仓库中先询问，并把插件 MCP 包解压到插件目录下，使只读插件文件夹也能加载。这些变化针对的是智能体在本地执行命令与加载插件时的权限边界，而非模型能力本身。

Claude Code 的更新日志显示，沙箱内运行的 Bash 命令默认改走常规权限流程，不再自动放行；要保留免提示执行，需在设置中打开 sandbox.autoAllowBashIfSandboxed。同一批改动还让只读 git 命令在非项目或未受信任仓库中先询问，并把插件 MCP 包解压到插件目录下，使只读插件文件夹也能加载。这些变化针对的是智能体在本地执行命令与加载插件时的权限边界，而非模型能力本身。

电磁信号处理长期按任务各训一个专家，跨任务难以复用，而电磁基础模型又要付出大规模预训练与共享骨干推理的代价。GLCR 改为在冻结的异构专家池上做路由：先用带加性间隔的一维 CNN 做全局分派，再对易混淆任务对用四个物理统计量做局部复核。在 HeteroSignal-7 基准上，它取得 96.16% 路由准确率和 76.30% 系统得分，均高于全部 19 个基线，单样本路由延迟 1.43 ms。

电磁信号处理长期按任务各训一个专家，跨任务难以复用，而电磁基础模型又要付出大规模预训练与共享骨干推理的代价。GLCR 改为在冻结的异构专家池上做路由：先用带加性间隔的一维 CNN 做全局分派，再对易混淆任务对用四个物理统计量做局部复核。在 HeteroSignal-7 基准上，它取得 96.16% 路由准确率和 76.30% 系统得分，均高于全部 19 个基线，单样本路由延迟 1.43 ms。

ESM2 的残基嵌入里，极性/非极性二元模式被组织成可读的几何结构。把全部 128 种七肽二元模式各生成 50 条序列、共 6400 条一起做保留位置的 PCA，前三个主成分构成“水母”形流形：疏水比例沿 PC1 展开，PC2 与 PC3 以近似正弦、余弦的方式编码七肽相位。换成电荷字母表仍有序，打乱氨基酸分组或改用非蛋白模型 ByT5 后这种环状组织消失。

ESM2 的残基嵌入里，极性/非极性二元模式被组织成可读的几何结构。把全部 128 种七肽二元模式各生成 50 条序列、共 6400 条一起做保留位置的 PCA，前三个主成分构成“水母”形流形：疏水比例沿 PC1 展开，PC2 与 PC3 以近似正弦、余弦的方式编码七肽相位。换成电荷字母表仍有序，打乱氨基酸分组或改用非蛋白模型 ByT5 后这种环状组织消失。

Anthropic 的 Claude Code 更新日志新增了实验性、需主动开启的 Code Mode，让 Claude 编写 JavaScript 来调用自身工具，而不是逐次发起工具调用。同一批更新还让插件在 plugin.json 中声明 engines["claude-code"] 版本范围，超出范围的插件不会被安装、更新或加载，安装与更新会挑选符合范围的最新版本。此外 claude plugin validate 现在会检查插件 TypeScript hooks 模块的类型，并把每个问题作为警告报告。

Anthropic 的 Claude Code 更新日志新增了实验性、需主动开启的 Code Mode，让 Claude 编写 JavaScript 来调用自身工具，而不是逐次发起工具调用。同一批更新还让插件在 plugin.json 中声明 engines["claude-code"] 版本范围，超出范围的插件不会被安装、更新或加载，安装与更新会挑选符合范围的最新版本。此外 claude plugin validate 现在会检查插件 TypeScript hooks 模块的类型，并把每个问题作为警告报告。

观测数据常留下无法定向或不稳定的因果边，大语言模型可凭变量名与描述给出方向建议。研究把语义信息的使用拆成查询分配、建议准入与图保留三步，在Asia、Sachs、Child、Insurance、Alarm五个基准网络上分别检验。语义定向优于随机抛硬币式定向，但按不稳定边挑选查询目标相对等量随机分配没有确立优势；所测准入证书在现有校准任务数下只能完全弃权，学习到的参考图在80个计划任务中仅3个包含真实DAG。

观测数据常留下无法定向或不稳定的因果边，大语言模型可凭变量名与描述给出方向建议。研究把语义信息的使用拆成查询分配、建议准入与图保留三步，在Asia、Sachs、Child、Insurance、Alarm五个基准网络上分别检验。语义定向优于随机抛硬币式定向，但按不稳定边挑选查询目标相对等量随机分配没有确立优势；所测准入证书在现有校准任务数下只能完全弃权，学习到的参考图在80个计划任务中仅3个包含真实DAG。

DeepSeek把DeepSeek App背后的搜索、文件解析、链接读取、安全检查和语音能力开放到DeepSeek API，开发者用少量参数即可启用内置功能，或单独调用OCR、ASR、TTS等接口。V4.1-Flash（deepseek-flash）在Messages、Responses和Chat Completions三种接口上支持这些能力，工具调用与上下文组装由服务端处理。扩展能力在标准token费用之外按工具使用计费，面向公众的应用必须开启安全检查。

DeepSeek把DeepSeek App背后的搜索、文件解析、链接读取、安全检查和语音能力开放到DeepSeek API，开发者用少量参数即可启用内置功能，或单独调用OCR、ASR、TTS等接口。V4.1-Flash（deepseek-flash）在Messages、Responses和Chat Completions三种接口上支持这些能力，工具调用与上下文组装由服务端处理。扩展能力在标准token费用之外按工具使用计费，面向公众的应用必须开启安全检查。

OpenRouter 用 24 条杂乱的客服消息在九个支持结构化输出的模型上比较了三种拿到可靠 JSON 的办法：发送严格 JSON Schema、强制一次工具调用、或改用只输出标签的决策模型。九个模型共 216 次回复中 209 次符合严格 schema，7 次失手全部来自一家忽略 schema 的供应商；只在提示词里要求 JSON 时则有 18 次因代码围栏失败。对只支持工具的 GLM 5.3 FlashX，强制工具调用得到 24 次中 22 次有效，而直接发 schema 是 0 次。

OpenRouter 用 24 条杂乱的客服消息在九个支持结构化输出的模型上比较了三种拿到可靠 JSON 的办法：发送严格 JSON Schema、强制一次工具调用、或改用只输出标签的决策模型。九个模型共 216 次回复中 209 次符合严格 schema，7 次失手全部来自一家忽略 schema 的供应商；只在提示词里要求 JSON 时则有 18 次因代码围栏失败。对只支持工具的 GLM 5.3 FlashX，强制工具调用得到 24 次中 22 次有效，而直接发 schema 是 0 次。

Cohere宣布完成对自主漏洞发现与修复公司AISLE的收购，并迎来AI代码审查平台cubic的团队，两者将分别构成Cohere Cyber网络安全业务和公司安全编码业务的基础。此前Cohere已收购Aleph Alpha与Reliant AI，公司称今年共完成四笔战略并购。AISLE联合创始人将出任网络安全、信息安全与AI安全研究负责人，Cohere还计划在布拉格作长期投入，把当地建成其AI网络安全与自主安全系统的全球中心。

Cohere宣布完成对自主漏洞发现与修复公司AISLE的收购，并迎来AI代码审查平台cubic的团队，两者将分别构成Cohere Cyber网络安全业务和公司安全编码业务的基础。此前Cohere已收购Aleph Alpha与Reliant AI，公司称今年共完成四笔战略并购。AISLE联合创始人将出任网络安全、信息安全与AI安全研究负责人，Cohere还计划在布拉格作长期投入，把当地建成其AI网络安全与自主安全系统的全球中心。

稀疏自编码器把ProteinMPNN编码器每层128维的稠密隐空间扩展成过完备稀疏空间，使单个维度与二级结构、残基体积、残基形状、二硫键及配体配位等蛋白特征出现相关。在Brolucizumab短链可变片段上，调高与支链氨基酸相关维度的mod=0、0.5、1三个候选在433 K分子动力学模拟中的RMSD低于原始序列、ProteinMPNN序列和GeoEvoBuilder序列，而调高幅度最大的mod=2在该温度下明显去折叠；未做激活调整的mod=0同样改善，说明稀疏自编码器本身也改变了预测。

稀疏自编码器把ProteinMPNN编码器每层128维的稠密隐空间扩展成过完备稀疏空间，使单个维度与二级结构、残基体积、残基形状、二硫键及配体配位等蛋白特征出现相关。在Brolucizumab短链可变片段上，调高与支链氨基酸相关维度的mod=0、0.5、1三个候选在433 K分子动力学模拟中的RMSD低于原始序列、ProteinMPNN序列和GeoEvoBuilder序列，而调高幅度最大的mod=2在该温度下明显去折叠；未做激活调整的mod=0同样改善，说明稀疏自编码器本身也改变了预测。

青光眼自动筛查模型换一家医院、换一台相机就明显失准，一项神经符号框架把解剖图推理与可微模糊临床规则组合进同一网络，用取自八个数据集、八个国家共12,619张眼底图的9,100张训练，并以西班牙另一家医院、另一款相机拍摄的485张RIM-ONE图像做完全留出的跨院测试。在分布内测试集上，EfficientNet-B4加图注意力网络的配置取得0.9612的AUC（95%置信区间0.951–0.972），高于仅用EfficientNet-B4的0.9472；但两者合用后跨院AUC为0.6155，比基线低8.1个百分点。

青光眼自动筛查模型换一家医院、换一台相机就明显失准，一项神经符号框架把解剖图推理与可微模糊临床规则组合进同一网络，用取自八个数据集、八个国家共12,619张眼底图的9,100张训练，并以西班牙另一家医院、另一款相机拍摄的485张RIM-ONE图像做完全留出的跨院测试。在分布内测试集上，EfficientNet-B4加图注意力网络的配置取得0.9612的AUC（95%置信区间0.951–0.972），高于仅用EfficientNet-B4的0.9472；但两者合用后跨院AUC为0.6155，比基线低8.1个百分点。

RadixArk 与 NVIDIA 合作，把开源强化学习后训练框架 Miles 的全部沙箱放到 NVIDIA Vera CPU 上运行，并称这是首个端到端智能体强化学习训练中沙箱全部跑在 Vera 服务器上的公开结果。在保持机器满载的对照训练中，同一模型、任务、GPU 与设置下，沙箱放在 Turin 上时每轮平均多花 12%，而模型思考时间两边相同，差异几乎都来自沙箱内的工作。Vera 单沙箱运行时与当代 x86 相当或更好，负载越重优势越大。

RadixArk 与 NVIDIA 合作，把开源强化学习后训练框架 Miles 的全部沙箱放到 NVIDIA Vera CPU 上运行，并称这是首个端到端智能体强化学习训练中沙箱全部跑在 Vera 服务器上的公开结果。在保持机器满载的对照训练中，同一模型、任务、GPU 与设置下，沙箱放在 Turin 上时每轮平均多花 12%，而模型思考时间两边相同，差异几乎都来自沙箱内的工作。Vera 单沙箱运行时与当代 x86 相当或更好，负载越重优势越大。

OpenRouter在同一个GitHub任务上比较了MCP服务器、gh命令行工具和gh技能三种给智能体接工具的方式，并统计整轮对话的输入token。在Claude Sonnet 5.5上，三者都答对，但默认加载46个工具的GitHub MCP服务器用了59,417个输入token，CLI只用1,421个，技能用3,315个。把MCP限定到任务所需的2个工具可降到23,228个，再把工具结果截到4,000字符可降到5,357个。

OpenRouter在同一个GitHub任务上比较了MCP服务器、gh命令行工具和gh技能三种给智能体接工具的方式，并统计整轮对话的输入token。在Claude Sonnet 5.5上，三者都答对，但默认加载46个工具的GitHub MCP服务器用了59,417个输入token，CLI只用1,421个，技能用3,315个。把MCP限定到任务所需的2个工具可降到23,228个，再把工具结果截到4,000字符可降到5,357个。

在DrugBank 5.1.10的5,357个结构可解析小分子上，Schrödinger Bridge Onsager Flow把均匀化学库向药物相似性分布的搬运误差压到总变差距离0.0141，而经过十档正则参数扫描、取最优设置的Sinkhorn基线为0.1753。该方法不再维护分子两两之间的耦合矩阵，而是为每个分子维护一个标量势并用镜像下降更新；其神经摊销版本SBOFNet以1.6M参数单次前向给出0.0380的总变差距离，代价是精度低于解析解。

在DrugBank 5.1.10的5,357个结构可解析小分子上，Schrödinger Bridge Onsager Flow把均匀化学库向药物相似性分布的搬运误差压到总变差距离0.0141，而经过十档正则参数扫描、取最优设置的Sinkhorn基线为0.1753。该方法不再维护分子两两之间的耦合矩阵，而是为每个分子维护一个标量势并用镜像下降更新；其神经摊销版本SBOFNet以1.6M参数单次前向给出0.0380的总变差距离，代价是精度低于解析解。

Parallel 的 Parallel Decisions Fast 模型现已接入 AI Gateway，并在 2026 年 11 月 23 日前免费开放。它检索实时网页，回答关于公司、产品、政策等会变化信息的问题，返回概率与引用证据，供应用据此采取行动。问题分三类：布尔题返回“是”的概率，选择题从用户给定选项中挑选，评分题按有序评分标准打分；相关问题可在一次请求中共享上下文与检索到的证据。

Parallel 的 Parallel Decisions Fast 模型现已接入 AI Gateway，并在 2026 年 11 月 23 日前免费开放。它检索实时网页，回答关于公司、产品、政策等会变化信息的问题，返回概率与引用证据，供应用据此采取行动。问题分三类：布尔题返回“是”的概率，选择题从用户给定选项中挑选，评分题按有序评分标准打分；相关问题可在一次请求中共享上下文与检索到的证据。

DoorDash 的自主配送设备 Dot 开始在加州弗里蒙特市送货，设备在本地由 Sonic Manufacturing Technologies 制造。此前 DoorDash 已在其他城市积累自主配送经验，这次与市政府签署占用许可，并按分阶段方案推进：第一阶段最多投入 10 台机器人，用于社区接触、测试和演示，且由本地操作员随行；后续阶段依据反馈逐步增加可自主运行、必要时远程接管的机器人数量。

DoorDash 的自主配送设备 Dot 开始在加州弗里蒙特市送货，设备在本地由 Sonic Manufacturing Technologies 制造。此前 DoorDash 已在其他城市积累自主配送经验，这次与市政府签署占用许可，并按分阶段方案推进：第一阶段最多投入 10 台机器人，用于社区接触、测试和演示，且由本地操作员随行；后续阶段依据反馈逐步增加可自主运行、必要时远程接管的机器人数量。

Google把Google Wallet加入Gemini的Personal Intelligence连接应用清单，美国所有Gemini应用用户即日起可在对话中用@Google Wallet提问个人财务、预算和订阅问题，Gemini据此生成现金流、资产配置与预算的动态图表。用户还可选择通过Plaid把信用卡和银行账户安全关联到Wallet以获得更深入的分析。Gemini只能读取账户信息，不能移动、管理或投资资金，连接可随时开关。

Google把Google Wallet加入Gemini的Personal Intelligence连接应用清单，美国所有Gemini应用用户即日起可在对话中用@Google Wallet提问个人财务、预算和订阅问题，Gemini据此生成现金流、资产配置与预算的动态图表。用户还可选择通过Plaid把信用卡和银行账户安全关联到Wallet以获得更深入的分析。Gemini只能读取账户信息，不能移动、管理或投资资金，连接可随时开关。

Plannotator 是一个本地、基于浏览器的评审界面，面向 Claude Code、Codex、Copilot CLI、Gemini CLI 等 AI 编码智能体。智能体提出决策、计划或 HTML 产物时，界面在浏览器中打开，用户批注、评论并把反馈发回智能体执行；新增的 Plannotator Inbox 把多个智能体的消息、问题和文件汇到一个本地窗口，用户回复时不必让会话保持打开。

Plannotator 是一个本地、基于浏览器的评审界面，面向 Claude Code、Codex、Copilot CLI、Gemini CLI 等 AI 编码智能体。智能体提出决策、计划或 HTML 产物时，界面在浏览器中打开，用户批注、评论并把反馈发回智能体执行；新增的 Plannotator Inbox 把多个智能体的消息、问题和文件汇到一个本地窗口，用户回复时不必让会话保持打开。

NVIDIA在cuda-bindings 13.3.0中发布cuda.bindings.cudla模块，把cuDLA的C++运行时接口以Cython生成的薄层暴露给Python，使Jetson AGX Orin上的DLA推理无需编写C++即可完成设备创建、网络加载、缓冲区注册与任务提交。该模块面向混合模式，DLA任务通过CUDA流与GPU前后处理按序执行；同一套API在RTX Spark上保持一致。发布说明同时指出，当前版本不支持需要NvSci缓冲区与同步原语的独立模式。

NVIDIA在cuda-bindings 13.3.0中发布cuda.bindings.cudla模块，把cuDLA的C++运行时接口以Cython生成的薄层暴露给Python，使Jetson AGX Orin上的DLA推理无需编写C++即可完成设备创建、网络加载、缓冲区注册与任务提交。该模块面向混合模式，DLA任务通过CUDA流与GPU前后处理按序执行；同一套API在RTX Spark上保持一致。发布说明同时指出，当前版本不支持需要NvSci缓冲区与同步原语的独立模式。

Vercel 的 Workflow SDK 从 5.2.0 版起，默认通过 WebSocket 向 Vercel Workflows 发送事件写入和流写入，取代此前每次写入或每组流写入各发一个 HTTP 请求的做法，升级后无需改动代码。在一项回放 AI 智能体令牌流的基准测试中，默认走 WebSocket 的 v5.2.0 比 v4.8.12 提前 4.2 倍交付完整响应，且没有任何分块延迟超过一秒。

Vercel 的 Workflow SDK 从 5.2.0 版起，默认通过 WebSocket 向 Vercel Workflows 发送事件写入和流写入，取代此前每次写入或每组流写入各发一个 HTTP 请求的做法，升级后无需改动代码。在一项回放 AI 智能体令牌流的基准测试中，默认走 WebSocket 的 v5.2.0 比 v4.8.12 提前 4.2 倍交付完整响应，且没有任何分块延迟超过一秒。

Token Pass 的可用模型清单现在包含 GLM 5.3 Flash，与 Kimi K3、GLM 5.3、DeepSeek V4.1 Flash 并列，官方称后续还会加入更多模型。GLM 5.3 Flash 是 Z.ai 的原生多模态编程模型，上下文窗口为 100 万 token。该订阅面向 Pro 团队，每月 30 美元，提供每月 150 美元额度，经 AI Gateway 运行，默认开启零数据保留。

Token Pass 的可用模型清单现在包含 GLM 5.3 Flash，与 Kimi K3、GLM 5.3、DeepSeek V4.1 Flash 并列，官方称后续还会加入更多模型。GLM 5.3 Flash 是 Z.ai 的原生多模态编程模型，上下文窗口为 100 万 token。该订阅面向 Pro 团队，每月 30 美元，提供每月 150 美元额度，经 AI Gateway 运行，默认开启零数据保留。

Buzz 是一个可自托管的协作工作区，人类与 AI 智能体共享同一批房间，每个房间由 URL 唯一确定。它把消息、反应、工作流步骤、评审批准和 git 事件都写成同一条日志里的签名事件，因此人和进程使用同一套身份模型与审计轨迹。智能体拥有自己的密钥、频道成员资格和审计记录，可以开仓库、发补丁、评审代码、跑工作流、编辑画布、编排其他智能体并进入语音讨论。

Buzz 是一个可自托管的协作工作区，人类与 AI 智能体共享同一批房间，每个房间由 URL 唯一确定。它把消息、反应、工作流步骤、评审批准和 git 事件都写成同一条日志里的签名事件，因此人和进程使用同一套身份模型与审计轨迹。智能体拥有自己的密钥、频道成员资格和审计记录，可以开仓库、发补丁、评审代码、跑工作流、编辑画布、编排其他智能体并进入语音讨论。