来自 Carnegie Mellon、MIT、NYU 和 Stanford 的研究团队开发的 AI 系统 Ataraxos，在 Stratego 游戏中以 15 胜 1 负 4 平击败了可能是史上最强的选手 Pim Niemeijer，训练仅用了 16 块 GPU 和几千美元。
推荐理由：研究披露了Ataraxos如何用远低于DeepMind的预算解决 Stratego 这一隐藏信息博弈难题，展示了不完美信息游戏的新求解路径。
Anthropic Frontier Red Team 在 100 个二进制漏洞利用任务上测试了多个模型，发现 GLM-5.3 在 4% 的任务中实现了完整控制流劫持，Claude Mythos Preview 为 6%；而更早的模型如 Claude Opus 4.6 和 GLM-5.2 在任何任务中都未成功，表明一个有意义的能力阈值已被跨越。
推荐理由：研究给出了具体的能力阈值数字和对比基准，读者可以据此理解当前大模型在网络安全任务上的实际进展。
Microsoft Research 在 Nature 发表论文并开源 RetroChimera，一个用于逆合成预测的集成框架。该模型结合了基于 Transformer 的 R-SMILES 2 和基于图神经网络的 NeuralLoc，通过学习排序策略整合两者的排名预测。
推荐理由：文章描述了 RetroChimera 如何将两种互补模型（R-SMILES 2 和 NeuralLoc）通过学习排序策略组合，并在多步合成路线盲测中取得显著优势，读者可了解这一集成思路在化学逆合成预测中的实际效果。
微软推出 MindTopo 拓扑推理基准，测试多模态大模型对连通性、分离、秩序、围合和绳结等拓扑关系的理解能力。评测涵盖静态推理和交互式规划两类任务，测试范围包括迷宫连通性判断、绳结真伪识别、围栏内动物定位等场景。结果显示，当前模型在静态识别上表现较好，但在需要跨多步操作保持拓扑一致性的规划任务中显著落后，且错误多发生在规划阶段而非感知阶段，表现为忽视动作后果、丢失任务目标或违反环境物理约束。
推荐理由：微软发布拓扑推理基准 MindTopo，测试发现当前多模态模型在静态识别上表现尚可，但在需要保持拓扑关系的多步规划任务中表现明显下滑，揭示了感知与行动之间的一致性缺口。
微软研究院提出了统一胸部 X 光 VLM CARE-X，将生成式报告与结构化诊断预测整合到同一模型，并通过辅助分类头、定位头与 DAPO 强化学习进行协同训练。
推荐理由：该研究提出辅助监督与 DAPO 强化学习结合可同时提升 VLM 生成能力和结构化预测精度，工具增强方法在测量依赖诊断上显著优于纯视觉推理。