Microsoft Research 发布 Quine，这是一个结合生物世界模型与交互式工具链的 AI 研究系统，旨在连接科学工具、文献、湿实验和科研人员。与 Broad Institute 合作，团队将 Quine 用于胰腺导管腺癌（PDAC）细胞状态转换研究，基于预测优先排序数千种化合物并完成湿实验验证，最高排名化合物产生了最大预期转录变化，整个筛选到验证流程仅耗时一个周末。
推荐理由：Quine 给出了具体的能力定位和胰腺癌化合物筛选的实验验证结果，读者可据此评估它在加速生物学发现上的实际潜力。
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。
Berkeley AI Research 提出 GRASP，一种基于梯度松弛的随机规划器，旨在解决现代世界模型进行长时域规划时的脆弱性问题。GRASP 将轨迹提升到虚拟状态空间并行优化，同时向状态迭代中加入高斯噪声以促进探索，并通过阻止状态梯度但保留动作梯度来规避深度学习模型的对抗鲁棒性问题。
Berkeley AI Research 在 NeurIPS 2025 发表论文，提出基于信息内容的成像系统直接评估与优化框架，利用互信息量化测量区分物体的能力，无需重建算法即可预测系统性能。该方法在颜色摄影、射电天文学、无透镜成像和显微镜四个领域验证了信息估计值与下游任务准确率的一致性，可匹配端到端方法但所需内存与算力更少且无需任务专属解码器设计。