OpenAI 如何保障前沿 RL 训练安全
我们如何看待保障前沿 RL 训练运行的安全：https://openai.com/index/towards-safety-cases-for-frontier-ai-training/
#数据/训练
OpenAIAI 评分3838 Microsoft ResearchAI 评分2020 微软亚洲研究院新加坡分院成立一年：推进前沿 AI 研究、合作与人才培养
微软亚洲研究院新加坡分院成立一年，作为微软在东南亚的首个研究实验室，聚焦下一代 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。该实验室与新加坡医疗生态合作探索多模态医疗 AI 和自进化诊断智能体，并联合 EDB 于 2026 年 2 月举办物流与运输 AI 高管圆桌会。
Anthropic精选AI 评分6666 Claude 在噬菌体 DNA 中发现未知酶系统
Anthropic 称 Claude 在噬菌体 DNA 中发现了一个此前未知的酶系统，其基因旁有一段类似 CRISPR 的重复 DNA 序列。目前尚不清楚该系统的作用，但已知具备类似特征的少数系统都能剪切、复制和粘贴 DNA；CRISPR 正是这类可编程系统推动基因药物发展的先例。Anthropic 表示还需更多研究才能确定该系统的作用及能否有类似用途。
推荐理由：Anthropic 披露 Claude 在噬菌体 DNA 中发现未知酶系统，读者可了解该发现与 CRISPR 类可编程系统的相似之处及后续研究空间。
Microsoft ResearchAI 评分4545 微软研究院在 Nature 发布逆合成模型 RetroChimera，并开源实现与权重
微软研究院在 Nature 发表逆合成预测框架 RetroChimera，并开源其实现与权重。该模型由 Transformer 模型 R-SMILES 2 与基于 GNN 的 NeuralLoc 组成，通过学习式重排序整合两者互补预测。
Anthropic精选AI 评分6262 Anthropic 用 Claude 优化 30 多个生物分子开源模型推理，平均提速 4 倍并开源代码
Anthropic 在最新 Science Blog 中介绍，Claude 为 30 多个生物分子开源模型优化推理，平均提速 4 倍，部分工作是为 GPU 编写定制软件。这些模型原本用于分子系统结构建模、类药物分子设计和基因突变影响预测，但运行成本高昂。Anthropic 表示将开源全部优化代码。
推荐理由：Anthropic 公开 Claude 为 30 多个生物分子开源模型做推理优化的方法与代码，可了解 AI 辅助 GPU 优化的具体路径。
Google DeepMindAI 评分3232 AlphaGenome Atlas 助力疾病 DNA 变异识别
@BroadInstitute、@UniofExeter 及其他机构的研究人员已在用 AlphaGenome Atlas，更好地识别潜在的致病 DNA 变异并解读其作用。🧵
Google DeepMindAI 评分2222 WeatherNext 3 助力可再生能源预测
天气预报在向可再生能源转型中发挥着关键作用。 WeatherNext 3 为电网运营商以及风能和太阳能发电企业提供风机高度风速和太阳辐射的预测，助力更智能、更清洁的能源规划。🧵
Google DeepMind精选AI 评分5858 Google DeepMind 推出 AlphaGenome Atlas 可检索数据库
Google DeepMind 发布 AlphaGenome Atlas，一个由 AI 驱动的可检索数据库，覆盖全部 90 亿种可能的单字母 DNA 变化并给出其预测影响。官方表示该数据库可帮助研究人员更好地理解生物学。
推荐理由：官方给出可检索数据库的覆盖规模与用途，读者可据此判断它对基因组研究检索方式的影响。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 AlphaGenome Atlas，覆盖人类基因组 90 亿个单碱基变异预测
Google DeepMind 推出 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，超过 AlphaFold Database 的 30 倍，今日起通过网站门户、AlphaGenome API 和 Google Antigravity 中的 skill 向学术研究免费开放。
推荐理由：DeepMind 把 AlphaGenome 的预测预计算成 1PB 数据集并开放门户，读者可据此判断基因组变异解读的可用入口。
Meta AI精选AI 评分6262 Meta 的 AIRA₃ 在 NVIDIA Kaggle 竞赛中获第 8 名摘金
Meta 表示，为检验其推进 AI 研究前沿的进展，6 月将下一代自主 AI 研究系统 AIRA₃ 投入 NVIDIA 在 Kaggle 举办的实时竞赛，任务是对一个 30B Nemotron 模型做微调，教模型更好地推理，所有参赛者信息相同并由外部在私有测试集上评分。
推荐理由：Meta 官方披露 AIRA₃ 在 Kaggle 微调竞赛中击败人类队伍，可观察自主研究系统在真实评测中的表现。
Microsoft ResearchAI 评分4141 微软研究院推出 GigaPath-Flash 与 GigaTIME-Flash：高效病理基础模型迈向人群级发现
微软研究院发布 GigaPath-Flash 和 GigaTIME-Flash，以蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干大幅降低病理基础模型算力需求，均以 Apache 2.0 许可开源。
Andrew Ng精选AI 评分6262 Andrew Ng 称 Marin 项目展示开放模型训练，含开放代码、数据与配方
Andrew Ng 转发 Percy Liang 关于 Marin 项目的消息，称该项目是开放模型训练的一次展示，开放了代码、数据、配方甚至实验结果。他提到公开分享 AI 研究曾是常态，并认可 Percy Liang 的开放实验室做法。被引用的内容显示，Marin 535B-A23B 本周开始训练，预训练占 80%、中期训练占 20%，在 18.75T tokens 上使用 11 台 GB200 NVL72 训练约 3 个月（2.7e24 FLOPs），后续将进行后训练；正式训练前还训练了从 1.6B-A61M（48B tokens）到 27.7B-A1.2B（926B tokens）的四级扩展阶梯用于排查问题并预测主训练结果。
推荐理由：Andrew Ng 借 Marin 项目说明开放训练流程的具体做法，可对照当前闭源训练常态理解开源生态的处境。
Andrew NgAI 评分3838 吴恩达发布 AI 工程技能图谱
吴恩达团队基于超 1 万份招聘信息、数十场专家与招聘经理访谈及问卷数据，发布《AI 工程技能图谱》，提炼出四项最重要的 AI 工程技能：构建与部署 AI 应用、软件工程基础、使用编码智能体、塑造构建过程。他强调 AI 工程技能比"AI 工程师"岗位更宽泛，所有开发者都需掌握。
Berkeley AI ResearchAI 评分4040 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互中的上下文摘要
Berkeley AI Research 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，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，基于重建的信念评分（rec-BG）将 ABBEL 与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 token 数也低于全上下文设置。
Meta AIAI 评分4040 Meta SAM 3 与 DINOv3 加速科研图像分割
为加速科学发现并支持 @ENERGY 的 Genesis Mission，由 @BerkeleyLab 主导的 SYNAPS-I 项目正在使用 SAM 3 和 DINOv3 来自动化图像分割。 通过将 DINOv3 的全局语义上下文和细粒度空间定位与 SAM 3 的像素级边界提取相结合，研究人员能够将 3D 体积标注从一个月的人工工作压缩到约 15 分钟。 了解他们的工作详情：https://go.meta.me/01aed3
Berkeley AI ResearchAI 评分3434 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
UC Berkeley 团队提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不足 $1、部分低于 $0.10，数据系统面临三大新挑战：为智能体服务、管理智能体集群、由智能体合成。在 text-to-SQL 基准上，多智能体尝试中仅 10-20% 子计划不同，80-90% 子查询重复，可通过多查询优化与近似查询处理复用结果。
Berkeley AI ResearchAI 评分1717 2026 届 BAIR 博士毕业生展示：从机器人到 LLM 推理的 AI 研究全景
伯克利人工智能研究实验室（BAIR）公布 2026 届博士毕业生名单，其研究覆盖机器人、具身智能、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 等方向。毕业生去向包括 OpenAI、Mistral AI、Amazon、Physical Intelligence 等机构，以及 UCLA、普林斯顿 CITP 等学术岗位，另有多人正在创业或探索下一步。
Berkeley AI ResearchAI 评分3838 自适应并行推理：高效推理扩展的下一范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前多数方法（如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!
Berkeley AI ResearchAI 评分3131 GRASP：面向世界模型长时程规划的梯度规划器
伯克利 AI 研究团队提出梯度规划器 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）的长时程规划变得可行。
Andrej Karpathy精选AI 评分6262 Karpathy 分享用 LLM 搭建个人知识库的 idea file
Andrej Karpathy 将其用 LLM 搭建个人知识库的推文整理成一份 gist 形式的 idea file，读者可交给自己的智能体据此构建 LLM wiki。
推荐理由：Karpathy 把个人知识库的搭建流程整理成可交给智能体执行的 idea file，读者可据此复现一套 LLM 维护的 wiki 工作流。
Andrej Karpathy精选AI 评分6262 Karpathy 分享用 LLM 构建个人知识库的工作流
Andrej Karpathy 分享了他用 LLM 构建个人知识库的做法：把文章、论文、仓库、数据集、图片等源文档索引到 raw/ 目录，再由 LLM 增量编译成由 .md 文件组成的 wiki，包含摘要、反向链接，并按概念分类撰写条目。
推荐理由：Karpathy 公开了自己用 LLM 编译个人知识库的完整工作流，含数据摄取、问答与 lint 环节，可迁移到研究场景。
Berkeley AI ResearchAI 评分3030 伯克利提出信息驱动的成像系统设计框架，登 NeurIPS 2025
伯克利 AI Research 提出一套基于互信息的成像系统评估与优化框架，可直接从含噪测量中估计信息量，并在 NeurIPS 2025 论文中验证。该指标在彩色摄影、射电天文、无透镜成像和显微成像四个领域均能预测解码器性能，优化后设计可媲美端到端方法，且内存与算力需求更低、无需任务专用解码器。