Google DeepMind 推出 SynthID Bio，将水印技术应用于合成生物学，可在保持蛋白质生物功能的同时，为 AI 生成的蛋白质序列和 3D 结构嵌入可验证的签名。该技术已通过湿实验验证，水印版蛋白结合剂在命中率、结合亲和力等方面与非水印版本相当。SynthID Bio 旨在为 DNA 合成筛选和公共数据库完整性提供自动化验证层，以应对 AI 生成生物设计带来的生物安全挑战。
推荐理由：原文介绍了将数字水印技术首次应用于合成生物学领域的具体方法、验证结果和潜在应用场景，为理解 AI 在生物安全中的作用提供了实例。
NVIDIA 开源了用于表格分类和回归的基础模型 Kumo Tabular，无需训练、微调或特征工程即可对新行进行预测。该模型在 TabArena、BeyondArena、TALENT 和 ScoringBench 四个基准测试中均排名第一，并提供三种参数量版本（28M 至 215M）。
推荐理由：原文给出了模型在多个基准测试中的领先表现和无需训练即可预测的能力，读者可以据此判断它在表格预测任务上的潜力。
H 公司发布了 Holo4 系列通用计算机使用智能体模型，包含 27B 密集型和 35B-A3B MoE 两个版本，并同步更新了 Holotron4 Nano。
推荐理由：原文给出了模型能力、性能对比和开放获取方式，读者可以据此判断它在通用计算机使用智能体领域的定位。
NVIDIA 联合 Google DeepMind、EMBL-EBI 等全球研究机构，在 AlphaFold Database 中发布了超过 2800 种病毒的蛋白质复合物预测 3D 结构数据集。
Microsoft Research 开源了逆合成预测模型 RetroChimera，其通过集成 R-SMILES 2 和 NeuralLoc 两个互补模型来提升预测质量。在盲测中，博士级化学家更青睐 RetroChimera 提出的单个反应预测。该模型已开源实现和权重，旨在加速新药和先进材料的研发。
GigaPath-Flash 和 GigaTIME-Flash 以大幅提升的效率扩展了 GigaPath 和 GigaTIME 模型系列，使大规模病理学研究更易实现。GigaPath-Flash 采用 22M 参数的蒸馏 ViT-S 编码器，在保持性能的同时将推理计算成本降低约 50 倍。这些开源模型支持群体规模发现，帮助研究人员分析更大患者队列并进行重复实验。
Microsoft Research 发布深度学习交换关联泛函 Skala 1.1，其训练数据量是初版的 2.5 倍，在热化学、反应动力学和分子结构预测等关键挑战上精度显著提升。Skala 现已可在 CP2K 中使用，并正在集成到 Psi4、FHI-aims、ORCA 和 VASP 中，以扩大其在计算化学社区的可用性。
Berkeley AI Research 提出了 SPEX 和 ProxySPEX 算法框架，用于大规模识别驱动大语言模型决策的关键特征、数据和模型组件间的交互作用。SPEX 利用稀疏性和低度性，将交互发现重构为可解的稀疏恢复问题；ProxySPEX 则利用交互的层次性结构，能以约 10 倍更少的消融操作达到与 SPEX 相当的性能。这些方法在特征归因、数据归因和模型组件归因中实现了高效交互发现。