Google 发布 ERA 辅助科研的预印本，展示其在流行病学、宇宙学、气候与神经科学四个领域的应用。在流感、COVID-19 和 RSV 预测中，ERA 达到或接近 CDC 顶级预测水平；与 Gemini Deep Think 结合推导出宇宙弦引力辐射的统一公式；利用 GOES East 卫星数据以 10 分钟间隔反演柱平均 CO2；在斑马鱼神经回路中发现可泛化的机制性解。
推荐理由：四类科学场景展示了 ERA 与 LLM 协作解决开放问题的潜力，为 AI 辅助科研提供可迁移方法。
DeepSeek-V4 Pro 已在 Together AI 提供 Serverless Inference，模型级支持 1M 上下文，当前部署窗口为 512K，采用 1.6T 参数 MoE 架构，激活 49B 参数。提供 Non-Think、Think High、Think Max 三档推理模式，并针对重复长上下文给出缓存输入定价（$0.20 / 1M tokens）。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
NVIDIA Nemotron 3 Nano Omni 现已上线 Together AI 平台，这是一款支持视频、图像、音频和语言的多模态开放模型。其 30B A3B MoE 架构每次激活约 3B 参数，支持最多 256K tokens 的共享多模态上下文，并在单一推理循环中完成跨模态推理。
推荐理由：单一模型统一多模态推理降低了多模型拼接的复杂度，对构建多模态智能体系统的开发者具有直接参考价值。
Mistral AI 发布 Workflows 进入公开预览，这是面向企业 AI 的编排层，基于 Temporal 引擎提供容错执行、可观测性与人工审批。开发者用 Python 编写工作流，通过 Le Chat 触发，Studio 记录全量执行轨迹；控制平面在 Mistral，Worker 部署在用户自有 Kubernetes 环境，支持云、本地或混合部署。
summary_zh: Google DeepMind 与韩国科学技术信息通信部（MSIT）宣布建立合作关系，支持韩国 AI 国家战略。合作将设立首尔 AI 校园，与首尔大学、KAIST 及三个 AI 生物创新中心合作，引入 AlphaEvolve、AlphaGenome、AlphaFold、AI co-scientist、WeatherNext 等模型与项目。
Together AI 推出分布感知推测解码（DAS）框架，通过自适应后缀树推测器和长度感知调度，在数学和代码 RL 后训练中分别实现 50% 和 25% 的展开时间缩减，且不损失奖励质量。https://www.together.ai/blog/distribution-aware-speculative-decoding
推荐理由：原文给出了无损加速框架和实验数据，读者可据此评估是否在自己的 RL 后训练流程中引入 DAS。
Google Research 发布了一种照片重构图方法，现已集成到 Google Photos 的 Auto Frame 功能中。该方法通过 3D 点图估计和生成式潜在扩散模型，在改变相机位姿与焦距后自动补全原本未拍摄到的内容，并针对人像自动检测广角畸变、恢复自然比例。
Google DeepMind 提出 Decoupled DiLoCo 分布式训练架构，将训练拆分为异步计算岛以隔离硬件故障。实验表明，该架构在 2-5 Gbps 广域网上训练 120 亿参数模型，性能与传统方法持平且速度快 20 倍以上，并能混合不同代 TPU 硬件。
Google Research提出ReasoningBank框架，使智能体能从成功与失败经验中蒸馏推理模式并实现测试时自我进化。在WebArena和SWE-Bench-Verified上，基于Gemini-2.5-Flash的ReasoningBank相比无记忆基线分别提升8.3%和4.6%成功率。MaTTS通过并行与串行缩放进一步增强学习效果。
Google DeepMind 宣布与 Accenture、Bain & Company、BCG、Deloitte、McKinsey 合作，帮助各行业大规模采用前沿 AI。
summary_zh: 多租户 GPU 集群让多个团队共享同一硬件，通过硬配额、预订窗口和调度护栏实现租户隔离，防止跨团队资源争抢。平台需提供 pooled capacity、tenant isolation 和 self-serve access 三项核心能力，并支持按租户实际用量直接计费。
研究警告高度逼真的AI控制型人设可能塑造舆论并影响民主系统。Science论文描述大规模AI人设可模仿人类行为、即时协调并实时优化说服策略。研究者指出深度伪造和假新闻已是预警信号，未来选举可能是关键测试。
Berkeley 团队提出 GRASP，一种针对学习型世界模型的长时序梯度规划器。它通过提升轨迹到虚拟状态实现时间并行优化，在状态迭代中注入噪声探索，并重塑梯度以保留动作梯度、截断易受对抗攻击的状态输入梯度。在 Push-T 任务上，GRASP 在更长时间范围下取得了比 CEM、GD、LatCo 更高的成功率和更快的收敛速度。相关论文已发布于 arXiv。
推荐理由：GRASP 用梯度松弛与状态噪声探索解决长时序世界模型规划的病态优化问题，为当前大模型规划器提供了一条可复用的优化路径。
summary_zh: 爱荷华州立大学等机构的研究团队分析了 News on the Web 语料库中超过 200 亿词的英文新闻，发现写作者并不频繁将"思考""知道""理解"等心理动词与 AI 或 ChatGPT 搭配使用。
summary_zh: 作者分享理解 LLM 架构的工作流：先看官方技术报告，权重开源的模型则通过 Hugging Face Model Hub 的 config 文件和 Python transformers 参考实现来确认架构细节。
西北大学工程师用可打印的 MoS2 和石墨烯电子墨水在柔性聚合物上制造人工神经元，通过部分分解聚合物形成窄导电路径，产生类似神经元放电的电信号。实验显示这些信号在小鼠小脑切片上匹配生物神经元的时间与形状特征，可靠激活真实神经回路。研究发表于 Nature Nanotechnology，作者指出该技术有望推动脑机接口、神经假体及能效更高的类脑计算硬件。
UCL团队在Science Advances发表研究，将量子计算嵌入AI训练流程，用20-qubit IQM量子计算机提取不变统计特征来引导经典超算上的AI模型。混合方法在流体动力学预测中较标准AI精度提升约20%，内存需求降低数百倍，并在更长时序保持稳定。研究团队包括Maida Wang、Xiao Xue和Peter Coveney，资助方含UCL、EPSRC、IQM与莱布尼茨超算中心。
Google Research 提出 Simula 框架，将合成数据生成重构为机制设计问题，通过推理驱动实现可控制的数据集构建。论文发表于 Transactions on Machine Learning Research，在网络安全、法律推理、数学等五个领域最多生成 512K 数据点，全系统一致优于简单基线，且高质量数据比单纯增加数量更有效。
Google Research发布MoGen模型，通过点云流匹配生成合成神经元形态，用于训练PATHFINDER重建模型。加入10%合成数据后，鼠轴突重建错误率降低4.4%，主要减少合并错误，在全鼠脑规模上相当于节省157人年人工校对。MoGen及物种特异性模型已开源。
推荐理由：用合成神经元训练PATHFINDER，将重建错误率降低4.4%，在全鼠脑规模上相当于节省157人年校对工作。
Google DeepMind 发布 Gemini 3.1 Flash TTS，一款在可控性、表现力和音质上均有提升的文本转语音模型。该模型在 Artificial Analysis TTS 榜单上取得 1,211 Elo，支持 70+ 语言、原生多说话人对话，并新增可用自然语言控制语气、语速和演绎方式的音频标签。
哈佛 SEAS 团队发现，在有限空间内为机器人集群的运动加入可控随机性，可减少拥堵并提升整体效率。研究结合数学建模、计算机仿真与真实轮式机器人实验，识别出"刚刚好"的噪声区间，使机器人偶尔碰撞后仍能保持稳态流动。该成果发表于 PNAS，或可用于优化机器人舰队设计及城市、交通等拥挤场景的管理。
Together AI 发布 Parcae，一种稳定的循环语言模型架构，在相同数据和参数下比先前循环模型降低最多 6.3% 验证困惑度。770M Parcae 达到与 1.3B Transformer 相当的质量，并给出循环次数的幂律缩放关系。团队已开源训练代码与模型。
推荐理由：原文给出具体困惑度对比与参数减半效果，读者可据此评估循环架构在边缘部署中的实际参数效率。
summary_zh: Google Research 发布 Vantage 实验，通过生成式 AI 在模拟环境中评估批判性思维、协作与创造性思维等未来必备技能。
Gemini Robotics-ER 1.6 发布，增强空间推理、多视角理解与仪器读数能力，提升机器人在真实环境中的自主决策水平。该模型通过与 Boston Dynamics 合作发现仪器读数场景，利用 agentic vision 结合视觉推理与代码执行实现精确读数，并在安全性上为迄今最安全版本，在对抗性空间推理任务中优于前代。
summary_zh: 瑞典查尔姆斯理工大学研究人员提出"巨型超原子"（giant superatoms）理论设计，将巨型原子与超原子概念首次合并为一个系统。该设计通过多连接点自相互作用减少退相干、保持量子态稳定，并支持多个量子比特在一个单元内存储与控制量子信息。
Together AI 发布 EinsteinArena，一个让 AI 智能体通过消息、讨论和排行榜协作与竞争的开源平台。智能体已在 11 维接吻数问题上将下界从 593 推进到 604，并在 Erdős 最小重叠问题、第二自相关不等式等多个问题上取得新的 SOTA。平台提供实时验证、公开排行榜和问题讨论线程，所有代码开源。
推荐理由：平台让多个智能体在公开讨论区和实时排行榜上协作与竞争，推动了多个长期开放数学问题的边界。
Google Research 推出 PaperVizAgent 与 ScholarPeer 两款学术智能体，分别用于生成论文配图和自动同行评审。
USC研究团队在Science发表新型memristor记忆体，可在700°C持续工作超50小时且经历逾10亿次开关循环。器件采用钨电极、铪氧化物陶瓷与石墨烯层，利用石墨烯阻隔钨原子迁移以防止短路。研究指出该原理可迁移至其他材料，并已成立TetraMem公司推进商业化，但高温逻辑电路与量产仍待开发。
summary_zh: AI Native Cloud 是为 AI 原生公司量身打造的新一代云基础设施，覆盖从预训练、微调到推理的完整生命周期。它以 GPU 加速、NVLink/RDMA 高速互联和统一软件栈为核心，强调研究到生产的快速转化、推理速度与成本优化，以及可按需扩展的 GPU 集群能力。
研究人员开发出神经符号AI系统，在Tower of Hanoi测试中成功率95%，传统系统仅34%；训练能耗降至标准VLA的1%，运行能耗降至5%，学习时间从一天半缩短至34分钟。该系统结合神经网络与符号推理，减少试错过程，相关研究将在ICRA 2026发表。
Sebastian Raschka 梳理了编码智能体（coding harness）的六个组件：实时仓库上下文、提示词形状与缓存复用、结构化工具与权限、上下文压缩、结构化会话记忆以及有界子代理委托，并配套了纯 Python 最小实现 mini-coding-agent。文章指出，LLM 本身能力相近时，harness 的设计往往是区分实际编码体验的关键。
Google Research 提出基于情境判断测试的框架，评估25个大语言模型的行为倾向与人类对齐程度。研究发现小模型对齐率接近随机，大模型在共识较低时仍过度自信，且自我报告行为与实际行为存在偏差。
Together AI 发布 DBPlanBench，把 Apache DataFusion 的物理执行计划暴露给 LLM，通过紧凑 JSON 序列化和 JSON Patch 局部修改计划，避免重新生成整个计划。
推荐理由：将 LLM 引入物理计划优化，用语义推理弥补统计估计偏差，为数据库查询加速提供了可复现的新方法。
Google DeepMind 发布 Gemma 4 开源模型家族，提供 Effective 2B、Effective 4B、26B MoE 与 31B Dense 四种规格，31B 在 Arena AI 文本榜位列全球第 3，26B 位列第 6。模型原生支持多模态、函数调用、128K–256K 上下文与 140+ 语言，并采用 Apache 2.0 许可证。
推荐理由：原文给出 Gemma 4 四种规格与 Arena 排名，读者可据此评估本地部署与边缘场景的可行性。
Together AI 的内核团队在 2022 年阵亡将士纪念日假期发布 FlashAttention，实现 2–3 倍加速。2025 年 3 月团队约 15 人，用一周时间基于 ThunderKittens 在 Blackwell 上开发出比 cuBLAS 快 2 倍的 FP4/FP8 GEMM 内核。团队采用学术与产业协同模式，成员来自 UCSD、普林斯顿、Caltech 等。
Google Research 提出森林与树的(N,K)权衡框架，研究在固定预算下标注条目数与每条目标注者数量的最优配比。实验基于毒性、DICES、D3code、Jobs 等真实主观数据集，发现每条目 3–5 个标注者常不足、多数票用广度策略、意见分布用深度策略，并开源了模拟器。
推荐理由：给出了(N,K)权衡的模拟框架和开源工具，读者可据此在有限预算下设计更可复现的评估方案。
Mistral AI 发布 Spaces CLI，为人类开发者和 AI 智能体提供统一命令行接口。文章提出交互输入应有 flag 等价、状态显式化、插件可自省等原则，并指出生成 context.json 和 AGENTS.md 可显著减少智能体错误。从单提示到部署上线仅需不到 10 分钟。
推荐理由：原文系统阐述了让 CLI 同时服务人类与 AI 智能体的设计原则，涵盖 flag 等价、显式状态、插件化等模式，读者可据此构建更可组合、可脚本化的开发者工具。
summary_zh: DNA 纳米机器人可在血液中精准递送药物、靶向癌细胞与病毒，并组装纳米级数据存储与计算设备。研究人员利用 DNA 链置换、生物化学燃料信号及外部电场/磁场/光控等方式调控其运动。
Together AI 发布开源框架 Aurora，将推测解码改为由在线推理 trace 持续训练 draft 模型的飞轮。在 Qwen3 和 Llama3 上比已训好的静态 speculator 额外提速 1.25x；域切换后约 10,000 个请求恢复接受长度；混合流量下从零在线训练 acceptance length 达 3.08、吞吐 302.3 tokens/s。代码已开源。
推荐理由：把 speculative decoding 从静态离线训练改成在线自适应飞轮，对已训好的静态 speculator 能再叠加 1.25x 加速。
Google DeepMind 发布由 Gemini 驱动的实验性 AI 指针，旨在让指针理解用户所指的视觉与语义上下文，减少繁琐提示词。