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。
Google Research 介绍 MilleMiglia，一个用于生成中程物流真实基准的 C++ 实例生成器。它针对连接区域配送中心的中程运输，生成真实且保护隐私的模拟数据。源码和文档可在 GitHub 获取。
GitHub Podcast 最新一集拆解五个 AI 开发热门观点，给出关于代码审查、AI 使用、MCP、Skills 与 RAG 的实用判断。文章认为 AI 生成代码仍需按风险审查，MCP 提供标准接口、Skills 提供流程上下文、RAG 用于补充模型外信息，三者可在同一工作流共存。
Google Research 发布一项研究实验，利用生成式 UI 让教师创建自定义、交互式、引导式 STEM 学习模拟。该实验已开放 30 多个英文样例，覆盖物理、化学、生物和数学，面向中学和高中，并邀请 Google Workspace for Education 学校通过试点项目反馈。
Mistral 与 Mozilla 宣布合作，Firefox Smart Window (beta) 由 Mistral 模型驱动。该 AI 浏览助手可帮助理解复杂搜索、记住你点击离开的重要信息，并基于浏览器标签提供重要信息来源；Mistral 先面向法国和北美用户，英国和德国预计今年晚些时候跟进。
Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，用于近实时语音智能体和复杂任务。
推荐理由：原文给出两款近实时语音模型的基准成绩与开放入口，读者可据此判断语音智能体部署成本、能力边界和可用性。
Mistral 分享其帮助欧洲能源运营商将 40,000 行 Fortran 77 储层模拟器代码迁移到 C++ 的案例，总代码 300,000 行。项目先建立数值一致性校验和文档化流程，再用规划、编码、测试、审查智能体按模块迁移，并保留人工审查。
推荐理由：原文给出先建立数值一致性校验，再按模块运行规划、编码、测试和审查智能体的方法，适合复杂遗留代码迁移参考。
Google DeepMind 发布 AlphaGenome Atlas，提供人类基因组 9 billion 个单核苷酸变异的预测，并推出 AVI 评分。该资源是 1-petabyte 数据集，比 AlphaFold Database 大 30 倍以上，覆盖数百种人和小鼠细胞类型与组织。
推荐理由：原文给出覆盖 9 billion 个单核苷酸变异的预测资源与 AVI 评分，帮助研究者快速排序并解释基因组变异的相关分子影响。
Microsoft Research 发布 GigaPath-Flash 与 GigaTIME-Flash，两个开放权重病理基础模型以 Apache 2.0 许可在 HuggingFace 提供。
Mistral 发布 Agentic Search，作为复杂文档检索层，让模型搜索、导航和验证信息，并在 FinanceBench 与 OfficeQA Pro 上提升准确率。
推荐理由：原文给出 Mistral Agentic Search 在 FinanceBench 与 OfficeQA Pro 上相对一次性 RAG 的准确率、延迟和 token 变化，便于判断企业复杂文档检索改造的实际价值与适用边界。
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。
ABBEL 提出将摘要作为自然语言 belief states，并用 belief grading 监督其信息内容，以提升 LLM 长程交互效率。在 CollabBench 协作编码中，ABBEL-rec-BG 将 full context 性能差距减少约 50%，训练步数从 100 降到 50，峰值 token 低于 full context。
Berkeley AI Research 发布观点文章，认为 AI 推理成本快速下降，数据系统需要围绕智能体重构。文章称 GPT-4 级能力从 2023 年初约 $30 per million tokens 降到低于 $1，部分供应商低于 $0.10，推理价格每年下降 9x 至 900x，中位约 50x。
BAIR Lab 展示 2026 届博士毕业生，表彰其在人工智能与机器学习前沿的研究贡献。毕业生研究覆盖机器人、大语言模型与推理、计算机视觉、生成建模、AI 安全、人机交互及 AI for science 等领域。他们正进入教职、博士后、工业研究实验室和初创公司，部分仍在探索下一步方向。
BAIR 发布自适应并行推理（APR）研究综述，分析模型如何自行决定何时分解子任务、生成多少并行线程以及如何协调。文章比较 self-consistency、Tree-of-Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild!
Berkeley AI Research 团队提出 GRASP，一种用于学习世界模型的梯度规划器，通过状态提升、状态噪声和动作梯度替代脆弱状态梯度，使长时程规划更可行。在 Push-T 上，GRASP 在 H=40 至 H=80 的成功率分别为 59.0%、43.4%、26.2%、16.0%、10.4%，中位成功时间分别为 8.5s、15.2s、49.1s、79.9s、58.9s。
推荐理由：原文给出长时程世界模型规划的可迁移方法，用状态提升、噪声探索和动作梯度替代脆弱状态梯度，降低优化脆弱性。
Berkeley AI Research 介绍 SPEX 与 ProxySPEX，用稀疏恢复和层次结构从大规模候选交互中识别关键交互。文章展示其在长上下文特征归因、CIFAR-10 数据归因和 MMLU 注意力头剪枝中的应用，ProxySPEX 可用约 10 倍更少消融达到 SPEX 性能。
推荐理由：原文给出两种算法用更少消融发现关键交互，并展示其在长上下文、数据归因和注意力头剪枝中的可迁移方法。
Berkeley AI Research 在 NeurIPS 2025 论文中提出用互信息直接评估和优化成像系统信息量的框架。该方法从噪声测量和噪声模型估计信息，在彩色摄影、射电天文、无透镜成像和显微成像四个领域预测下游性能。IDEAL 通过信息估计的梯度反馈优化成像参数，无需训练解码器，在彩色滤光片设计中匹配端到端优化性能并降低内存和计算需求。