NVIDIA 与 AI4Bharat 发布 2.8 万亿 token 的 Indic 预训练语料及开放数据生成流水线
NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1，约 2.8 万亿 token 覆盖 22 种印度语言，并将于近期开放。
#开源/仓库
Hugging Face Blog Microsoft Research精选 Microsoft Research 发布 Magnetar：基于标准哈希函数的通用零知识证明 zkVM
Microsoft Research 发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的 RISC-V 程序，并同时改善证明效率、通用性与安全性三项难题。
推荐理由：微软研究院梳理十余年零知识证明研究脉络，Magnetar 用标准哈希函数实现通用程序证明，速度较同类 zkVM 提升 10 至 39 倍。
Latent Space Leash Bio 的 Ian Quigley 谈 DEL 数据与 Minos 科学推理智能体
Leash Bio 发布 Minos 的完整预印本、博客和开放数据集，这是一个让 AI 智能体进行可验证科学推理的沙盒。其 DNA 编码文库（DEL）数据可提供数万条"lab-in-the-loop"模拟，用于科学强化学习；团队自研模型 Hermes 仅用自家数据训练，在公开基准上追平 Boltz。
Import AI Import AI 476：创造力与RSI、不如中国的开放权重模型、AI走向太空
Import AI 476 期聚焦三项研究：Scale AI 与 Elorian 发布 Humanity's Sixth Sense 基准，GPT 6 Astra 的 pass@1 仅 53.6，远低于人类 93.1，GLM-5.3-flash 与 Kimi K3 分别只有 26.8 和 25.5。
Microsoft Research精选 Microsoft Research Asia 开源 Agent Lightning v1.0，约 3500 行代码的轻量智能体 RL 框架
Microsoft Research Asia 开源 Agent Lightning v1.0，这是一个约 3500 行的轻量智能体强化学习框架，提出 Harnessed Agentic RL 训练范式，让部署时使用的 harness 直接参与 RL 训练，无需在训练框架内重写智能体。
推荐理由：微软开源约 3500 行的智能体 RL 框架，让部署用的 harness 直接参与训练，并给出完整代码智能体训练示例。
GitHub Blog · AI & ML精选 GitHub 发布 ReviewBench：面向 AI 代码审查的公开基准
GitHub 发布 ReviewBench 研究预览版，这是一个面向 AI 代码审查智能体的公开离线基准，包含 219 条来自 187 个开源仓库、覆盖 19 种语言的 pull request。
推荐理由：GitHub 用 1.039 亿条真实 PR 校准出 219 条评测集，并公开了评分规则与校验流程，可据此比较不同 AI 代码审查工具。
Google DeepMind精选 Google DeepMind 推出 SynthID Bio，为 AI 生成的蛋白质加水印
Google DeepMind 推出 SynthID Bio，将水印技术用于合成生物学，可把不可感知的签名直接嵌入生物代码，并在合成出的实体蛋白质上验证。
推荐理由：读者可以看到水印如何同时写入蛋白质序列与 AlphaFold 3 预测结构，并了解它对 DNA 合成筛查的意义。
Microsoft Research精选 微软研究发现将物理 AI 推理卸载到边缘或云端 GPU 可提升机器人性能与续航
微软研究院首次系统测量了机器人移动操作负载，发现把物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU 可提升任务成功率与续航。
推荐理由：微软对机器人移动操作负载做了系统测量，给出了机载 GPU 与边缘/云端卸载在任务成功率与续航上的具体差距。
Import AI Import AI 470：机器不应拥有权利、SPADE 自动化环境生成、Hawkeye 构建更优 GPU 内核
METR 研究显示 AI 对网络安全漏洞发现的加速最明显，AI 研究优化领域则无可测加速。SPADE 通过自博弈让 LLM 交替生成可执行训练环境与求解，Qwen3-30B-A3B 在游戏环境套件平均分达 58.3，较基座提升 8.1。
Berkeley AI Research 基于信息量评估与优化成像系统的统一框架
研究者提出以互信息直接量化成像系统信息含量的框架，在 NeurIPS 2025 论文中验证该指标可预测色彩摄影、射电天文、无透镜成像与显微成像四个领域的系统表现。方法利用已知噪声物理直接计算噪声项、用自回归模型学习测量分布，从而避免高维互信息估计的样本爆炸问题。优化该信息指标得到的设计可匹配端到端方法，同时所需内存与算力更少，且无需任务专用解码器。