Google DeepMind 推出 AlphaGenome Atlas，预计算人类基因组约90亿种单核苷酸变异的分子影响。该平台包含1-petabyte数据，并以AVI评分整合AlphaGenome与AlphaMissense的预测，可通过免费网站、AlphaGenome API及Google Antigravity技能访问。
推荐理由：它把90亿种单核苷酸变异的预计算结果与AVI评分集中到同一入口，便于研究者排序变异并追溯其分子影响。
OpenAI 探讨更强且更可负担的 AI 如何拓展个人与企业可完成的工作，并让增长更经济。文章聚焦能力提升与成本下降这两条主线，说明二者叠加后能扩大实际可落地的任务范围。
Mistral 宣布完成 €3 billion Series D 融资，投后估值超过 €21 billion，由 Samsung Electronics 领投，Scaleup Europe Fund 和 PSG Equity 共同领投。
推荐理由：融资规模、领投方与资金用途均有明确披露，可用来观察主权 AI 叙事如何转化为算力、基础设施和国际扩张投入。
OpenAI 发布 ChatGPT Images 2.5，可将想法、草图和参考照片转化为更个性化、更精致的图像，并更贴近用户原本的构想。
推荐理由：官方给出 ChatGPT Images 2.5 的输入类型与输出定位，可据此判断图像生成能力的变化方向。
OpenAI 正在扩大对新闻业的支持，面向学生、教育工作者、记者和新闻机构提供工具、培训与合作伙伴关系。该计划覆盖从课堂到新闻编辑室的多个环节。
OpenAI 分享了一份 AI 生成的 Navier–Stokes 千禧年大奖难题解答，包含一份书面说明和一份 Lean 形式化证明。
OpenAI 开放申请一项总额 500 万美元的资助计划，支持关于生成式 AI 如何影响青少年发展、福祉与安全的独立研究。
1Password 的工程师使用 Codex 快速构建新功能和内部工具，在保持严格安全策略的同时达到生产可用状态，工程效率提升 21%。
OpenAI 联合 AIRPPU 和 WAN-IFRA 推出一个 AI 项目，帮助乌克兰新闻机构提升创新能力、韧性并支持独立新闻业。该项目面向乌克兰新闻组织，具体工具、规模与上线时间未披露。
OpenAI 的 Jakub Pachocki 反思日益强大的 AI 及保持其对齐的难题，呼吁加强安全防护并推动国际协调。
OpenAI 披露内部编码智能体正在重塑 AI 研究，并公开了智能体使用情况、实验速度、任务复杂度与研究加速的早期数据。
Google DeepMind 与 Google Research 发布 WeatherNext 3，通过实时卫星和气象站观测生成每小时更新、最高 5-kilometer 分辨率的全球天气预报。
推荐理由：材料给出与 WeatherNext 2 的分辨率、更新频率及降水评测对比，可用于理解实时观测如何改善全球天气预测。
Microsoft Research 开源 GigaPath-Flash 与 GigaTIME-Flash，以蒸馏骨干降低群体规模病理研究的计算成本。GigaPath-Flash 配备 22M 参数 ViT-S 和 21M 参数 LongNet 编码器，计算量约低 50 倍，成绩与原版相差 3% 以内；两者采用 Apache 2.0，仅供研究且未经临床验证。
Mistral 与 HUMAIN 宣布数亿欧元规模的战略合作，将在沙特及中东地区推进 AI 基础设施、先进模型开发和 AI 解决方案部署。双方计划开发并本地化先进模型，初期聚焦网络安全与语音，同时开发阿拉伯语表现更强的前沿模型。Mistral 将探索使用 HUMAIN 的数据中心基础设施，双方还计划面向沙特受监管行业制定联合市场策略。
Microsoft Research 发布 Skala 1.1：训练数据量为前版的 2.5×，GMTKN55 加权平均误差为 2.8 kcal/mol，并在 55 类中的 32 类排名第一。Skala 已可用于 CP2K，正集成至 Psi4、FHI-aims、ORCA 和 VASP；持续更新的 benchmark 将跟踪后续版本性能。
Mistral 发布 Agentic Search，通过多步检索循环让 AI 系统在复杂文档和多数据源中查找、浏览并核验信息，现已通过 Mistral Search Toolkit 及 Studio、Vibe 中的 Libraries 提供。
推荐理由：多步检索与文档内导航被纳入同一套默认工具栈，两项基准呈现了相对单次 RAG 的准确率、token 和延迟变化。
MindTopo 基准显示，当前多模态模型在静态拓扑识别上明显优于交互式规划，但两者均远低于人类水平，模型难以在连续行动中维持一致的结构理解。该基准围绕连续性、分离、顺序、封闭和绳结五类关系，同时测试推理与规划。图像生成有时能辅助单帧判断，视频推演则常改变拓扑或违反任务动态。
Mistral 同时扩展区域推理、开放模型支持和欧洲算力基础设施，以增强客户对数据位置、服务能力与模型选择的控制。Mistral Regional Endpoints 已正式可用，客户可选择在欧洲或美国运行推理；Mistral Priority Tier 进入公开预览，提供自定义速率限制和由正常运行时间 SLA 支持的服务等级。
推荐理由：区域端点、SLA 服务层与第三方开放模型被纳入同一基础设施，为主权 AI 落地提供了可参考的控制框架。
K-Search 新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，可将既有 CUDA 内核知识转化为适配 Apple Silicon 的优化策略。
Berkeley AI Research 提出 ABBEL，通过可监督的自然语言信念状态，让 LLM 在长程交互中以信念替代完整历史作为工作上下文。在 CollabBench 上，基于重建的信念评分将其与完整上下文模型的性能差距缩小约 50%，训练步数比无信念评分版本减少 50%，同时保持更低的峰值 token 用量。
Berkeley AI Research 作者认为，随着推理成本趋近于零，数据系统需要围绕智能体负载、智能体群体运行和智能体合成系统重新设计。GPT-4 级能力每百万 token 的成本已从 2023 年初约 $30 降至如今不足 $1，部分供应商低于 $0.10；不同基准上的推理价格每年下降 9x 至 900x，中位数接近 50x。
推荐理由：文章把推理成本持续下降与数据系统演进联系起来，提出智能体负载、群体运行底座和系统合成三条研究主线。
BAIR 展示2026届博士毕业生的研究成果，方向涵盖机器人与具身智能、LLM 推理、计算机视觉、生成式建模、AI 安全、人机交互及医疗与科学应用。毕业生将前往 OpenAI、Mistral AI 等机构，或从事教职、博士后研究及创业，部分仍在探索下一步方向。
Google Research发布建筑级屋顶反射率研究与扩展数据集，覆盖9个国家的50多个城市，并通过新的高分辨率 Heat Resilience Earth Engine App 开放访问。其方法融合Sentinel-2数据与30-cm卫星影像，生成的反照率地图相对实测数据RMSE为0.04。模型结果显示，利用这些数据定向规划凉屋顶可在全球范围内将极端城市热度降低最高0.5°C (0.9°F)。
Google DeepMind 发布开放实验模型 DiffusionGemma，通过并行生成文本块，在专用 GPU 上实现最高 4x 的文本生成速度。
推荐理由：并行生成 256 token 块将本地推理提速与质量、云端成本取舍放在同一框架下，便于评估速度敏感工作流的适配范围。
Hugging Face 梳理 AI 智能体领域的易混术语，将 Scaffold 定义为模型周围决定行为的层，将 Harness 定义为调用模型、处理工具调用并决定何时停止的执行层。文章还区分了模型、智能体、上下文工程、Policy、工具、技能与子智能体，并解释了 RL 训练中的环境、Trainer、Rollout 和 Reward。
推荐理由：文章以模型、Scaffold 与 Harness 的分层关系厘清易混术语，并串联上下文工程和强化学习训练环节，便于跨框架沟通。
Mistral AI 本周签署收购 Physics AI 公司 Emmi AI 的最终协议，计划增强模型理解和建模物理规律的能力，并让 AI 智能体调用现有工程工具。Emmi AI 的联合创始人及30余名研究员和工程师将于5月加入 Mistral AI 的科学与应用 AI 团队。双方计划结合各自模型，面向工程工作流、实时仿真和数字孪生开发工程智能体。
Berkeley AI Research 梳理自适应并行推理，核心是让模型在推理时自行决定何时拆分任务、生成多少并发线程以及如何协调，从而动态分配串行与并行计算。
GRASP 是一种用于学习型动态模型（世界模型）的新型梯度规划器，通过将轨迹提升为虚拟状态，实现跨时间并行优化，让长时域规划更实用。它在状态迭代中直接加入随机性以探索，并重塑梯度，使动作获得清晰信号，同时避免高维视觉模型中脆弱的“状态输入”梯度。
Google 推出研究实验 Vantage，利用生成式 AI 在模拟多人对话中评估高中生和大学生的协作、批判性思维与创造性思维等能力。
推荐理由：研究通过188名测试者和180名学生的作品对比AI与人工评分，为评估协作、创造力等能力提供了可迁移的验证框架。
SPEX 与 ProxySPEX 利用稀疏性、低阶性和层级结构，以可控数量的消融识别 LLM 等复杂机器学习系统中的关键交互。SPEX 可将交互发现从数十个组件扩展到数千个组件，ProxySPEX 则以约少10倍的消融达到与 SPEX 相当的表现。
Berkeley AI Research提出基于信息含量直接评估和优化成像系统的框架，并将成果发表于 NeurIPS 2025。该方法利用含噪测量与已知噪声模型估计互信息，在彩色摄影、射电天文学、无透镜成像和显微成像中预测了下游性能。其 IDEAL 方法无需训练解码器即可优化编码器，效果与先进端到端方法相当，同时减少内存、计算和任务特定解码器设计需求，代码已发布在 GitHub。