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。
SynthID Bio 是 Google DeepMind 将水印技术从数字媒体扩展到合成生物学的新工具，能在不影响蛋白质功能的前提下向氨基酸序列和 3D 结构嵌入不可察觉的签名。
推荐理由：SynthID Bio 是 AI 水印技术首次扩展到生物领域，提供了可验证 AI 生成蛋白质来源的可行方案，对生物安全筛查有直接影响。
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。
Google DeepMind 发布 AlphaGenome Atlas 平台，包含人类基因组全部约 90 亿个单核苷酸变异的分子效应预测，总数据量达 1 PB（约为 AlphaFold 数据库的 30 倍）。
推荐理由：Google DeepMind 一次性公开了全部 90 亿个单核苷酸变异的分子效应预测，并配套 AVI 评分系统，研究者可据此快速评估候选变异的潜在影响。
Microsoft Research 开源了 GigaPath-Flash 和 GigaTIME-Flash，这是 GigaPath 和 GigaTIME 的蒸馏高效版本。
推荐理由：GigaPath-Flash 在保持 97% 性能的同时将计算量降低约 50 倍，使大规模病理研究从不可行变为可操作。
Microsoft Research 发布深度学习交换-相关泛函 Skala 1.1，相比初版训练数据量提升 2.5 倍，在 GMTKN55 基准的 55 个类别中斩获 32 个第一，精度超越最顶级的全局杂化泛函，同时保持 meta-GGA 的计算成本。
推荐理由：Skala 1.1 已在 GMTKN55 的 55 个类别中斩获 32 个第一，数据规模和多样性大幅提升，同时集成至 CP2K、Psi4、FHI-aims、ORCA、VASP 等主流软件，读者可据此判断深度学习 DFT 在计算化学工作流中的实际可用性。
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。
Microsoft Research 发布开源框架 Orchard，核心是 Kubernetes 原生的 Orchard Env 环境服务，为智能体提供可复用的隔离组件，支持从数据蒸馏、强化学习 rollout 到评测的全流程，无需为每类任务重建底层设施。
推荐理由：原文给出了三个场景的具体训练数据量、参数规模和性能数字，读者可以直接评估它在各自任务上的可用性。