Google 发布下一代联邦学习系统，用 TEE 提供可验证和可审计的数据匿名化保证，Gboard 已采用。Gboard 已部署英语和日语 next word prediction 模型，获得更强隐私保证和更高准确率，训练时间也显著缩短。访问策略发布到 Rekor 公共透明日志，KMS 只向匹配策略的 TEE 工作负载提供解密密钥。
推荐理由：Google 用 TEE 构建可验证联邦学习系统，把训练逻辑放入可远程证明的执行环境，Gboard 已用于英语和日语 next word prediction，并带来更强隐私保证与更高准确率。
Microsoft Research 在 Nature 发表 RetroChimera，开源实现与权重，GitHub 可访问。模型组合 R-SMILES 2 与 NeuralLoc，用学习式集成排序生成逆合成预测。盲测中博士级化学家偏好其反应预测，10 个挑战目标的多步路线成功 9 个，高于 de novo 5、editing 4 和 NeuralSym 2。
推荐理由：原文给出 Nature 论文中的双模型集成、盲测偏好和开源入口，读者可据此判断逆合成预测如何进入可复用的研究工具。
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 扩展 MLX，并构建 CUDA 到 MLX 翻译层，在 Apple Silicon 上达到接近专家水平的内核性能。
推荐理由：原文展示 CUDA 优化知识如何转成 MLX 架构策略，并给出注意力与 Mamba 预填充的实测对比，便于理解跨硬件内核优化如何迁移。