Microsoft Research 推出 Quine，一个包含生物学世界模型和交互式 harness 的 AI 研究系统，可连接科学工具、文献和研究者。与 Broad Institute 合作中，Quine 用一个周末从数千化合物中筛选出候选药物，湿实验验证其能诱导胰腺癌细胞状态最大幅度转变，部分强效化合物具有意想不到的作用机制。
推荐理由：官方介绍了 Quine 的系统构成和在 PDAC 上的湿实验验证结果，读者可以据此了解 AI 驱动生物学研究的实际工作方式。
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要表示为自然语言信念状态，并用信念评分监督其信息内容，以替代传统递归摘要的完整交互历史。在 CollabBench 协作编程任务上，基于重构的信念评分（ABBEL-rec-BG）将与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值 token 长度远低于全上下文的 14.08×10²。
Berkeley AI Research 发布对并行推理领域的综述，核心观点是自适应并行推理：让推理模型自行决定何时分解任务、生成多少并发线程及如何协调。文章指出顺序推理随探索线性增长，会推高延迟并引发 context-rot 等上下文退化问题，并评述了自洽性投票、Best-of-N、Tree/MCTS、ParaThinker、GroupThink、Hogwild!
Berkeley AI Research 提出 GRASP，一种针对学习型世界模型的梯度规划器，让长时域规划变得实用。其核心改进包括：将轨迹提升到虚拟状态使优化在时间上并行、在状态迭代中直接加入随机性以支持探索、重塑梯度以获得干净的动作信号。该方法旨在解决长时域 rollout 中雅可比矩阵条件数随时间指数级缩放导致的梯度爆炸/消失以及非贪心损失面局部极小等问题。