头条精讲
DeepMind 与 Biohub 谈 AlphaFold 之后：从蛋白质结构走向动态生物系统（在新标签页打开）
推荐理由AlphaFold 预测结构后，蛋白质如何随环境变化仍有待理解。DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 从数据、科学知识和模型设计谈起，说明静态结构与动态生物系统的差别，冷冻电镜原始图像与虚拟细胞的讨论，也让下一步的数据需求更清楚。
Google DeepMind的Pushmeet Kohli和Biohub的Sal Candido讨论了当前蛋白质结构预测模型的局限性，强调虽然AlphaFold是一个重大突破，但它并未完全理解蛋白质的复杂动力学和功能行为，而这需要进一步研究数据质量、模型架构和生物学背景。
团队为什么只是装作在审查 AI 代码｜Michaela Greiler 博士（在新标签页打开）
推荐理由面对更多、更大的 AI 代码变更，团队可能在看不懂时仍点头通过。代码审查研究者 Michaela Greiler 用 SCOPE 把监督前移到规划与引导，并按运行风险和架构共识分配注意力，提醒团队把共同理解与真实验证作为交付条件。
Michaela Greiler 博士指出，团队默许对不理解的 AI 代码走过场，才使审查失效；她主张按变更风险、共同理解程度和人类判断分阶段监督。
Managed Deep Agents：如何把关键业务 Agent 部署到生产环境（在新标签页打开）
推荐理由一个能准备会议和起草邮件的 Agent，上线后首先要认清谁在提问、使用谁的账号。LangChain 的 Victor 通过 Managed Deep Agents 讲解渠道身份、暂停授权与私聊和群聊的记忆权限，上下文版本与真实任务评测还把修改、验证和发布连接起来。
LangChain 介绍 Managed Deep Agents 如何把文件定义的 Agent 部署到生产环境，处理身份、授权、分层记忆、版本化上下文与评测，并展示 0.8 版本的新入口。
今日精华
Jesse Waites 用 AI 检索四百年档案：从候选线索回到原始扫描（在新标签页打开）
推荐理由Jesse Waites 用 AI 检索荷兰东印度公司档案与旧报纸，筛出陨石、犀牛和火山的历史线索，并将结果回溯到原始扫描与档案编号，展示多模型检索如何配合人工核验。
使用 AI 分析数百万份数字化历史记录，我发现了 1812 年一颗此前未被记录的陨石、1740 年代三只爪哇犀牛被送往斯里兰卡的记录，以及三起未出现在史密森全球数据库中的火山喷发。
TRAE 终于把 Code 和 Work 合并了（在新标签页打开）
TRAE 将 TraeCode 和 TraeWork 双端融合，推出支持 Agent 模式和 IDE 模式的新平台，实现从需求拆解到交付的全链路开发管理。
微软 MXC：用统一策略隔离 AI 生成代码与工具（在新标签页打开）
MXC 是一款跨平台沙箱式代码执行系统，通过统一的策略驱动接口提供多种封锁后端（从操作系统原生进程沙箱到完整虚拟机），用于在 Windows、Linux 和 macOS 上安全执行不受信任的代码。
对话高通孟樸：中国 AI 手机新故事，先看清这几个关键变化（在新标签页打开）
高通中国区董事长孟樸在2026骁龙峰会上表示，端侧AI仍处于早期阶段，跨终端协同服务预计到2027-2028年才会逐步实现。他强调中国市场在旗舰芯片首发和AI应用创新中的重要性，并指出零部件价格上涨将持续到2027年底，对中低端手机影响更大。
视频 DeepSeek 时刻？Vidu Q4 Preview 背后的效率账与世界模型底气（在新标签页打开）
推荐理由机器之心实测 Vidu Q4 Preview 的人物情绪、镜头与参考素材控制，并介绍其生成速度与成本；创作者可据此观察，减少等待和返工能否降低可用成片的成本。
Vidu Q4 Preview 展现了 AI 视频生成在人物表演、镜头调度、复杂特效和参考素材控制上的全面进步，同时将生成成本压至 0.09 元/秒，标志着视频模型在性能、效率和可用性方面迈向新阶段。
智能体工程师必须回答的三个问题｜LangChain（在新标签页打开）
LangChain 的一线实践者把智能体改进归结为三个问题：从生产轨迹发现失败，在真实任务环境中复现失败，再通过修改运行框架或模型消除失败。
给具身智能换个「因果」内核，Aether AI 的愿景终于走进物理世界（在新标签页打开）
推荐理由Aether AI 的 CRIS-0 将任务理解与物理预测分层，用因果世界模型和结构化执行循环处理突发扰动；原文展示其重规划与长程任务恢复能力，提供具身系统设计的具体案例。
Aether AI 发布 CRIS-0，一个基于因果智能的机器人系统，通过分离任务规划与物理预测、引入结构化状态转移，显著提升了机器人在动态环境中的鲁棒性和长程任务执行能力。
补充阅读
微软推出决策专用模型 Microsoft-Decision-1，基于 Qwen3.5-9B 后训练（在新标签页打开）
微软发布的新模型 Microsoft-Decision-1 专门用于快速判断选择题，基于阿里开源模型 Qwen3.5-9B 进行后训练，具有远高于通用大模型的推理速度和稳定性，已在 Xbox 和 Copilot 等业务中投入使用以优化 AI 工作流效率。
什么时候值得采用规范驱动开发（在新标签页打开）
AI 编程助手已成基础设施，但验证代码的瓶颈凸显；规范基线虽不增召回率，却让偏差评审可归因，并明确责任分工，适合高风险、复杂任务，而非通用脚本或简单原型。
GitHub - 0arch-io/kisoku: Kisoku 1.6B: a from-scratch language model trained solo on a TPU grant. Weights， code， evals and report.（在新标签页打开）
Kisoku 1.6B 是由单个研究人员使用 TPU v4-32 从头开始预训练的语言模型，其性能与 Meta 的 Llama 3.2 1B 相当，而训练数据量却少了非常多。该项目包括聊天微调、长期扩展，以及涵盖训练过程、污染审核和成本分析的详细技术报告。
JEV-27B-VL 开源：多模态决策模型，Jev Decision Index 0.3 视觉榜单第一（在新标签页打开）
AutoTrust AI Lab 开源基于 Qwen3.8-27B 的多模态决策模型 JEV-27B-VL，该模型融合 System 1 快速决策与 System 2 深度推理能力，在 Jev Decision Index 0.3 视觉榜单中位列第一。
智能体的脑与手：如何让生产环境的执行安全可控（在新标签页打开）
Viren Baraiya 主张用持久化的执行框架承接智能体规划，让确定性工作流负责审批、幂等、故障恢复和外部操作。
谢扬和他的 Eazo，押注 Personal Agent 的另一种形态（在新标签页打开）
本文通过实测谢扬团队开发的 Eazo 平台，展示了其「图形界面 App 驱动」的 Personal Agent 新形态，即通过 AI 将模糊需求直接转化为具备完整交互、数据托管与 Agent 能力的生产级应用。
通过进化式 LLM 程序搜索提升 25 平方打包上界（在新标签页打开）
本文介绍了成功的优化方形打包演化搜索，其中一个 LLM 反复修正基准程序，从而打破了在不同数量单位正方形下最小包围正方形大小的诸多记录。
Claude Managed Agents 开启动态工作流公测（在新标签页打开）
Anthropic 的 Claude Managed Agents 开放动态工作流公测：主智能体制定计划后，可分阶段向最多约 1000 个子智能体并行派发任务并汇总结果。
你的 AI 智能体没有神经系统：Dynatrace Bluebox 为编码智能体补上环境上下文 —— Matt Gibiec，Dynatrace（在新标签页打开）
Dynatrace AI Native 解决方案工程总监 Matt Gibiec 认为 AI 智能体失效的根源是缺少环境上下文，并介绍 Bluebox：一个嵌入软件研发生命周期、向编码智能体注入依赖地图、生产上下文、历史基线与变更感知的可观测性智能体。
科技爱好者周刊（第 414 期）：Jev 决策模型有什么用（在新标签页打开）
本期周刊重点解析 TypeSafe AI 发布的 Jev 决策模型，探讨其通过返回概率值解决语义搜索与内容评分等问题的潜力及黑箱风险，并涵盖 Markdown 源码化、苹果无视频摄像头及 RSA 破解新纪录等科技动态。
