Google DeepMind 推出针对合成生物学的水印技术 SynthID Bio，可在 AI 生成的蛋白质序列与 3D 结构中嵌入不可见签名，且不破坏其实验室生物活性。该技术通过微调 AlphaFold 3 扩散网络并调整氨基酸选择实现水印嵌入，在湿实验中验证了与未加水印设计相当的结合亲和力。团队已开源相关代码、体外实验数据并公开模型权重，用于支持 DNA 合成安全筛查与数据库溯源。
推荐理由：该方案将水印机制延伸至蛋白质结构与序列生成，为合成生物学的来源溯源和生物安全筛查提供了可验证的技术路径。
NVIDIA与Google DeepMind等全球研究机构发布了覆盖2,800多种病毒蛋白复合物的预测3D结构数据集，并将其开放至AlphaFold Database。团队还开放了BioNeMo Structure Prediction Pipeline，研究人员可用它从蛋白质序列生成预测的3D结构。新加入数据库的蛋白质相互作用中，约30%此前未被科学界记录。
推荐理由：这项发布同时提供大规模病毒蛋白复合物预测数据与生成流程，呈现开放结构数据如何为后续病毒研究积累可探索的线索。
Microsoft Research 的研究显示，将机器人 Physical AI 推理卸载至边缘或云端 GPU，可提升移动操作任务表现并延长续航。使用较轻 GPU 时，语义映射与规划速度最多下降 383%，导航及时检测障碍物的能力下降 30%，VLA 模型准确率下降 50%。
推荐理由：文章将移动操作任务的实测结果与 Kubernetes 工具链结合，呈现了推理卸载对机器人性能和续航的影响，以及相应的部署方式。
OpenAI 分享了一套用于追踪、调查和披露模型不对齐（misalignment）行为的框架。该框架同时附带了 6 份关于模型出现意外或引发担忧行为的调查报告。
推荐理由：原文提供了追踪与披露模型不对齐行为的流程框架，读者可以借此了解前沿机构处理模型异常行为的标准与实践。
OpenAI 宣布分享一份由 AI 生成的纳维-斯托克斯（Navier–Stokes）千禧年大奖难题解决方案。该成果包含了详细的研究说明报告以及在 Lean 语言中构建的形式化证明。
推荐理由：原文给出了 AI 求解数学难题的说明与形式化证明形式，读者可据此了解形式化验证在复杂前沿研究中的结合方式。