Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入可验证水印
Google DeepMind 发布 SynthID Bio，将水印技术引入合成生物学，把不可感知的签名直接嵌入生物代码，使水印不仅能在数字模型上验证，也能在合成出的实体蛋白质上验证，同时保持其生物功能。
推荐理由：SynthID 水印首次延伸到合成生物学，读者可了解其在蛋白质序列与结构上的实现方式及生物安全用途。
#论文/研究
#论文/研究
今日 0 条Google DeepMind精选AI 评分6060
NVIDIA BlogAI 评分4242 曼彻斯特大学用 NVIDIA Earth-2 预测全英空气污染
曼彻斯特大学团队基于 NVIDIA Earth-2 的生成式模型 Earth-2 CorrDiff，在英国国家 AI 超算 Isambard-AI 上训练出覆盖全英、分辨率 2-3 平方公里的空气污染模型，训练仅耗时两天。
OpenAI NewsAI 评分2222 OpenAI 分享 Navier–Stokes 千禧年大奖难题的 AI 生成解答
OpenAI 分享了一份针对 Navier–Stokes 千禧年大奖难题的 AI 生成解答，包含一份书面论述和一份 Lean 形式化证明。
Microsoft ResearchAI 评分3636 微软研究院推出 CARE-X：面向临床可用的放射学 VLM，结合辅助监督、奖励对齐学习与工具增强测量
微软研究院发布研究模型 CARE-X，一个统一胸部 X 光 VLM，可同时完成报告生成、结构化诊断预测、病灶定位与 29 个解剖区域定位等任务，并支持生成式与双路推理两种模式。
Berkeley AI ResearchAI 评分3434 从 CUDA 到 MLX：K-Search 如何将数十年 kernel 经验带到 Apple Silicon
Berkeley Sky Lab 将进化式 kernel 搜索框架 K-Search 扩展出 MLX 后端，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA kernel 作为知识库迁移到 Apple Silicon。
Berkeley AI ResearchAI 评分2222 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要隔离为自然语言"信念状态"并对其内容进行监督评分，以替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上，采用基于重构的信念评分后，ABBEL 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 长度也显著低于全上下文设置。
Google DeepMind精选AI 评分6666 Google DeepMind 在塞拉利昂测量 AI 学习效果
Google DeepMind 公布在塞拉利昂开展的预注册随机对照试验结果，使用 Guided Learning 的学生数学成绩比对照组提升 0.258 个标准差，约相当于八周内取得 1.2 至 1.7 年的常规学习进展。
推荐理由：塞拉利昂预注册随机对照试验给出了 Guided Learning 的量化增益与师生互动数据，可了解 AI 辅助教学的实证路径。
Google DeepMind精选AI 评分6262 Google DeepMind 用 Co-Scientist 加速逆转细胞衰老的基因线索发现
Google DeepMind 介绍生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 使用 Co-Scientist 加速衰老研究。Co-Scientist 扫描数万篇论文后提出 20 多个新的候选基因因子，实验室测试验证了其中几个假设，成功让细胞进入更年轻状态并改善整体功能。它还能将原本需要长达六个月的筛选数据分析缩短到几天。
推荐理由：原文给出 Co-Scientist 在衰老研究中的具体产出与验证结果，可了解 AI 辅助科研的实际落地方式。
Google DeepMindAI 评分4040 剑桥大学教授用 Google Co-Scientist 寻找跨物种传染病的分子开关
剑桥大学 Clare Bryant 教授使用 Google Co-Scientist 研究流感等病原体跨物种传播时引发败血症等重症的分子开关，该工具生成并排序了一批候选假说，其中一个她此前未关注的蛋白与多个她感兴趣的信号通路相关。她随后加入未发表数据反复迭代，将假说从候选蛋白细化到具体氨基酸。Bryant 表示，原本需两到三年的氨基酸定位实验工作，其团队目前有望在六个月内完成。
Google DeepMindAI 评分3838 Calico 用 Google Co-Scientist 推进衰老生物学研究
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google 的 Co-Scientist 整合衰老生物学中零散的研究发现并生成可验证假设。在整合应激反应（ISR）研究中，该工具提出了代谢调控 ISR 的新假设，团队据此优化实验设计并持续输入新结果，实验已产生对 ISR 在健康与疾病中作用有重要意义的新发现，团队计划发表这些结果。
Google DeepMindAI 评分4040 Google Co-Scientist 加速肝病机制发现，锁定 MASH 关键分子桥梁 NLRP3
爱丁堡大学团队用 Google Co-Scientist 研究 MASH 肝病，系统提出 NLRP3 炎症小体是连接炎症与代谢的分子桥梁，该假设随后经实验验证。面对潜在药物组合数量爆炸的问题，Co-Scientist 综合肝生物学与药理学证据，筛选出值得关注的机制和候选联合疗法。它还被用于解释已获批药物 resmetirom 为何仅对少数符合条件的 MASH 患者有效。
Google DeepMindAI 评分2222 Google DeepMind Co-Scientist 如何连接两个实验室推进 ALS 研究
Google DeepMind 的 Co-Scientist 帮助 MIT 的 Ritu Raman 快速梳理 ALS 相关文献，将想法转化为可检验假设并按可行性排序。
Google DeepMindAI 评分5858 斯坦福团队用 Co-Scientist 筛选肝纤维化药物，两候选药在实验中阻断纤维化
斯坦福大学医学院遗传学家 Gary Peltz 团队在《Advanced Science》发表研究，用 Google DeepMind 的 Co-Scientist 从现有药物文献中寻找可重用于治疗肝纤维化的候选药。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Co-Scientist 多智能体科研系统
Google DeepMind 在 Nature 发表 Co-Scientist 研究，这是一个基于 Gemini 构建的多智能体 AI 系统，通过生成、辩论和演化假设来辅助科研。
推荐理由：原文给出多智能体假设生成系统的架构与多个实验室验证案例，可了解 AI 参与科研推理的具体路径。
Berkeley AI ResearchAI 评分2222 自适应并行推理：高效推理扩展的下一个范式
自适应并行推理让推理模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调它们，而非由外部框架强加固定的并行结构。现有方法如 Self-consistency、Best-of-N、Tree/Graph of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild!
Google DeepMind精选AI 评分7171 Google DeepMind 回顾 AlphaEvolve 一年跨领域落地成果
Google DeepMind 发布 AlphaEvolve 一年成果汇总，这一由 Gemini 驱动的编码智能体已从试点进入 Google 基础设施核心，用于优化下一代 TPU 设计与缓存替换策略。
推荐理由：官方汇总 AlphaEvolve 一年落地案例，涵盖基因组、电网、TPU 与量子模拟，可看算法智能体的跨领域边界。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AI co-clinician 医疗研究计划
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生监督下协助患者诊疗的“三方照护”模式。在 98 个真实初级保健查询的盲评中，该系统 97 例无关键错误，优于医生常用的两款 AI 系统；在 140 项问诊技能评估中，AI 在 68 项达到或超过初级保健医生水平，但专家医生在识别危险信号和指导关键体格检查上整体更优。
推荐理由：Google DeepMind 公开医疗 AI 智能体的多模态评测结果，读者可了解 AI 在临床场景中的能力边界与协作定位。
Google DeepMindAI 评分2222 Google DeepMind 推出 Decoupled DiLoCo：面向分布式 AI 训练的弹性新架构
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，将训练任务拆分为异步通信的"计算孤岛"，在硬件故障下仍能持续训练并自动恢复。该架构用 Gemma 4 模型验证，ML 性能与传统方法持平，并在美国四个区域以 2-5 Gbps 网络训练了 120 亿参数模型，速度比传统同步方法快 20 倍以上，还支持 TPU v6e 与 TPU v5p 混合训练。
Berkeley AI ResearchAI 评分2424 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索、并重塑梯度让动作获得清晰信号，从而让基于学习动力学（世界模型）的长时程规划变得实用。该方法针对长时程 rollout 中梯度爆炸/消失、非贪心结构导致的局部极小值以及高维视觉模型"状态输入"梯度脆弱等问题。
Berkeley AI ResearchAI 评分2222 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别 LLM 的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融实验达到 SPEX 的性能。
Berkeley AI ResearchAI 评分2020 伯克利提出信息驱动成像系统设计框架，登 NeurIPS 2025
伯克利 AI 研究团队提出基于互信息的成像系统评估与优化框架，仅用含噪测量和噪声模型即可量化系统信息量，在彩色摄影、射电天文、无镜头成像和显微成像四个领域验证其能预测解码器性能。该方法优化出的设计可媲美端到端 SOTA 方法，同时占用更少内存和算力，且无需任务专用解码器设计。