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，将水印技术用于合成生物学，把不可感知的签名嵌入生物代码，在数字模型和合成出的实体蛋白质上都能验证，同时保持其生物功能。
推荐理由：原文给出了水印在湿实验中保持蛋白功能与结合亲和力的验证结果，读者可据此判断生物设计溯源这一新防线如何运作。
全部 AI 动态
Google DeepMind精选AI 评分7070
Microsoft Research精选AI 评分6060 微软研究院推出面向生物学复杂性的 AI 研究系统 Quine
微软研究院推出 AI 研究系统 Quine，由跨基因组、蛋白质、化学、RNA 与细胞状态、生物成像等模态联合训练的生物学世界模型，以及连接模型、科学工具、文献与研究者的交互框架组成。
推荐理由：微软研究院公开了 Quine 的生物学世界模型与实验闭环设计，并给出胰腺癌化合物筛选的湿实验验证结果。
Microsoft ResearchAI 评分2222 Microsoft Research Asia – Singapore 成立一周年：推进研究、合作与人才培养
Microsoft Research Asia – Singapore 作为微软在东南亚的首个研究实验室，成立一年来围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践及生态与人才培养四大方向推进工作。
GitHub Blog · AI & MLAI 评分5858 GitHub Copilot 应用如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas 是一种可自定义界面，用户和智能体共享同一份状态，可做成看板、问题分诊板、发布清单或仪表盘。创建时只需打开智能体会话，输入 /create-canvas 并用自然语言描述工作流、界面操作和智能体权限，智能体就会生成界面并在右侧面板打开。
GitHub Blog · AI & MLAI 评分4848 GitHub Copilot 用 canvas 取代聊天框：当 chat 是错误 UI
GitHub Copilot 应用推出 canvas，一种在应用内运行、无浏览器界面的全栈小应用，可与 Copilot 智能体双向通信。canvas 能调用第三方 API 并在本地执行代码，例如做出可浏览和安装 Winget 包的界面，或用 SQLite canvas 直接操作数据库。
GitHub Blog · AI & ML精选AI 评分6262 GitHub Security Lab 发布 Fuzzing Taskflow 自主模糊测试流水线
GitHub Security Lab 发布 Fuzzing Taskflow，这是一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就会自动识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，再对每个崩溃做分类并生成漏洞报告。
推荐理由：作者公开了这套自主模糊测试流水线的架构与运行方式，读者可据此判断哪些人工环节能交给 LLM 智能体。
Microsoft Research精选AI 评分6060 微软研究：把物理 AI 推理卸载到边缘或云端可提升机器人性能与续航
微软研究院系统测量了移动操作机器人分别在端侧、边缘和云端 GPU 上运行推理的差异，发现把推理卸载出机器人可提升任务成功率并延长续航。
推荐理由：微软团队系统测量了机器人端侧 GPU 推理的性能与续航代价，并给出可复用的卸载工具链。
Berkeley AI Research精选AI 评分6060 K-Search 从 CUDA 迁移到 MLX，为 Apple Silicon 生成高性能内核
Berkeley Sky Lab 与 IBM Research 将 K-Search 内核搜索框架扩展到 MLX，通过结构化的 CUDA-to-MLX 翻译层让已有 CUDA 内核经验适配 Apple Silicon。
推荐理由：读者可以看到 CUDA 内核经验如何被结构化翻译成 MLX 优化策略，以及翻译层对最终性能的具体贡献。
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。
Berkeley AI ResearchAI 评分4242 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
GPT-4 级能力每百万 token 价格从 2023 年初约 30 美元降至如今不足 1 美元，部分厂商已低于 0.10 美元，推理价格年降幅在 9x 到 900x 之间、中位数约 50x。
Berkeley AI ResearchAI 评分2222 2026 届 BAIR 博士毕业生展示：LLM 推理、机器人、AI 安全等方向
加州大学伯克利分校 BAIR 实验室展示 2026 届博士毕业生，研究方向覆盖机器人、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。毕业生去向包括 OpenAI、Mistral AI、Physical Intelligence、Amazon 等机构，以及高校教职和自主创业。
Berkeley AI ResearchAI 评分3838 自适应并行推理：高效推理扩展的下一个范式
自适应并行推理让模型自行决定何时分解并并行化独立子任务、开启多少并发线程以及如何协调。现有方法多由模型外部固定并行结构，如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS，以及 ParaThinker、GroupThink、Hogwild!
Berkeley AI ResearchAI 评分3838 GRASP：面向世界模型长时程规划的梯度规划器
伯克利团队提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化，并在状态迭代上直接注入随机性以促进探索。GRASP 还重塑梯度，让动作获得清晰信号，同时避开高维视觉模型中脆弱的“状态-输入”梯度。该方法旨在解决长时程规划中梯度爆炸/消失、非贪心局部极小值等脆弱性问题。
Berkeley AI ResearchAI 评分3838 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，用于在特征、数据和模型组件归因中大规模识别驱动 LLM 输出的关键交互。
Berkeley AI ResearchAI 评分3838 基于信息量的成像系统设计框架：Berkeley 提出用互信息直接评估与优化成像系统
Berkeley AI Research 提出一种基于互信息的成像系统评估与优化框架，可直接从带噪测量中估计信息量，无需任务专用解码器。该方法在彩色摄影、射电天文、无透镜成像和显微成像四个领域验证，信息估计能预测解码器性能，优化后的设计达到端到端 SOTA 方法水平，同时所需内存和算力更少。该成果发表于 NeurIPS 2025。