Leash Bio 的 Ian Quigley 谈 DEL 数据、Hermes 模型与 Minos 科学推理智能体
Leash Bio 用 DNA Encoded Libraries（DEL）采集蛋白与小分子的高通量结合数据，并训练出 Hermes 模型，在公开基准上与 Boltz 保持同步。团队还发现模型会记住蛋白的"昵称"而非结合位点，并据此通过大规模蛋白突变体工程打破口袋限制。其数据可支撑数万个"lab-in-the-loop"模拟，已发展为 Minos 并发布预印本、博客和开放数据集。
#Agent
Latent SpaceAI 评分4848
Microsoft ResearchAI 评分5555 微软研究院提出 StudentSim：用个性化学生模拟器评估和改进 AI 导师
微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化学生模拟器，用于在真实学习者测试前评估和改进 AI 导师。研究同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学三个领域，从行为保真度和对指导的响应度两个维度评估模拟器。
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 AI 代码评审开放基准 ReviewBench
GitHub 发布 AI 代码评审离线基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征，构建了覆盖 19 种语言、187 个开源仓库的 219 个 PR 评测集。
MIT Technology Review · AIAI 评分2222 将 AI 智能体接入企业知识
MIT Technology Review 基于对 300 名数据与 AI 高管的调查发现，企业平均只有约 34% 的智能体 AI 项目能进入生产环境，数据与知识短板是主要失败原因。生产领先者（平均 61% 项目越过试点）在语义等知识能力上更强，55% 的受访者将数据碎片化列为扩展智能体知识访问的首要挑战。企业计划优先投资摄取管道、AI-ready API、RAG、AI 评估智能体和知识图谱。
Berkeley AI ResearchAI 评分3838 ABBEL：通过信念状态更新让 LLM 高效完成长程交互
伯克利 AI 研究提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，用受自编码器启发的重建式信念评分作为辅助 RL 任务。在 CollabBench 协作编程任务上，该方法把与全上下文模型的性能差距缩小约 50%，训练步数减少 50%，峰值 token 长度仍显著低于全上下文。