Google DeepMind 推出合成生物学水印技术 SynthID Bio，能够在保留蛋白质生物学功能的前提下，将不可察觉的水印签名直接嵌入生物代码与结构中。该方案支持在 AlphaFold 3 预测结构中嵌入数字特征，并在实体合成的蛋白质结合物湿实验中保持了与原版相当的结合亲和力。团队正进一步探索基因组层面的水印应用，并宣布将开源相关代码、体外实验数据与模型权重。
推荐理由：原文给出了在不破坏生物活性前提下标记生成分子的完整方案，为生物安全筛查与数据防伪提供了可落地的验证方法。
Hugging Face 推出 Open TTS Leaderboard，采用客观自动化指标对开源文本转语音（TTS）模型进行多语言性能、推理延迟与声音克隆维度的评测。
推荐理由：榜单通过自动化客观指标替代耗时的人工盲测投票，为多语言与声音克隆模型的选型提供了可量化的参考。
微软研究院发布面向复杂生物学研究的 AI 系统 Quine，结合生物多模态世界模型与连接科学工具、文献及湿实验的交互框架。在与 Broad Institute 合作的胰腺癌细胞状态转换实验中，该系统用时一个周末即筛选并排序出最有潜力的候选化合物，且最高优先级候选物在多项湿实验检测中获得验证。
推荐理由：该系统展示了多模态生物世界模型与湿实验闭环协同的范式，有助于评估跨尺度生物表征在药物重定向中的可用性。
Google Research 提出了一套用于自动化连贯长视频生成的 AI 视频协同导演多智能体框架体系，作为运行在 Gemini 和 Veo 之上的编排层，以解决多镜头叙事中的语义漂移与视觉不一致问题。
推荐理由：原文拆解了长视频生成中角色与场景漂移的成因，提供了一套通过分层智能体解耦创意与时序一致性的系统性方案。
NVIDIA 联合 Google DeepMind 及 EMBL-EBI 等机构，在 AlphaFold Database 中开放了超过 2800 种病毒的蛋白质复合物预测 3D 结构数据集。
推荐理由：团队利用计算优化将蛋白质结构预测拓展至数千种病毒复合物，并开源了可复现的完整预测工作流。
伯克利人工智能研究实验室（BAIR）发表博文，系统综述自适应并行推理（APR）这一推理解析范式。该范式让模型自主决定何时拆分子任务、并发启动多少分支以及如何汇聚结果，以缓解长串行推理带来的上下文腐化与高延迟问题。
推荐理由：文章系统梳理了自适应并行推理的技术路线，比较了引擎修改与客户端编排两种实现方案及奖励设计。