Latent Space 播客专访 Helmholtz Munich 的 Fabian Theis，讨论 Virtual Cell 的现状与挑战。2025 Arc Virtual Cell Challenge 显示许多模型在 Perturbation Prediction 上跑不赢常数基线，但 Theis 认为现有数据集上的扰动预测问题不够难，不足以支撑复杂算法。
Latent Space 播客邀请 Periodic Labs 的 Liam Fedus 和 Ekin Dogus Cubuk，阐述其以物理实验为强化学习环境、追求合成超智能的路线。
Google Research 与 NBER 合作发表的三个月田野实验显示，在 11 家律所 133 名律师中随机开放 Google Labs AI 专利撰写助手后，10 天和 90 天的起草评分分别提升 0.34 和 0.38 个标准差，但移除 AI 后的无辅助改稿任务中，提升完全来自资深律师（0.45 SD），初级律师无明显改善。
推荐理由：研究用三个月随机对照实验区分了工具使用与无辅助表现，可迁移的评估设计对判断AI培训效果有参考价值。
Aleph Alpha 的一项研究测试了 Qwen、DeepSeek 和 Kimi 等中国模型在 967 个敏感话题上的回答，其自有 AI 评分系统仅将 17% 到 41% 的回答评为平衡。
智谱启动"外层 RSI 循环"，探索递归自我改进路径。Michael Levin 发表论文提出"柏拉图心智空间"假说，认为心智是非物理模式，身体与机器只是其进入物理世界的接口，并用 xenobots、anthrobots 及排序算法扰动实验作为佐证。本期还讨论了 TPU 上太空，以及机器人领域正为 LLM 时刻做准备但缺少通用算法。
CESifo 经济学研究者 Robert Fairlie 和 Jane Wu 的工作论文《The Early Impacts of AI on Employment Among Recent College Graduates》指出，没有证据表明 AI 对应届大学毕业生的就业造成了显著、广泛的替代或招聘减少，与此前斯坦福大学关于入门级岗位落后的研究结论相反。
Import AI 第 468 期收录了智库 IFP 提出的 23 条“低后悔”政策建议，分属 7 个类别，用于帮助政策制定者应对 AI 研发自动化风险。MIT 与 Columbia 的论文 Racing to Ruin 用博弈模型分析企业竞速，认为透明度和对对手可信度的判断是能否实现协调减速的关键变量。本期还介绍了 PostTrainBench+ 及一篇关于智能机器与机器人身体的虚构短篇。
多伦多大学、Vector Institute、剑桥大学和 ServiceNow 的研究者构建了一个原型计算机蠕虫，用开源权重 LLM 配合定制 harness 入侵主机，并寄生被攻陷机器的 GPU 运行推理以维持自身推理和扩散。
Dharma AI 解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》，论证专业化是 AI 系统的必然趋势。
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前方法多由外部预设并行结构，模型无法自行决定何时分解任务、开启多少线程。文章重点讨论自适应并行推理，并提及 ThreadWeaver、ParaThinker、GroupThink、Hogwild! Inference 等方法。
OpenAI 发布了迄今规模最大的 ChatGPT 使用研究，展示该工具如何通过个人与职业用途创造经济价值。研究显示 ChatGPT 的使用正从早期用户向外扩展，缩小不同人群间的使用差距，使 AI 成为日常生活的一部分。