C-BRAIN 联合 NVIDIA 推出 OpenScientist 与 InsightEngine 加速阿尔茨海默病研究
C-BRAIN 联盟与 NVIDIA 合作构建 AI 基础设施，发布两款开源工具 OpenScientist 和 InsightEngine，辅助科学家生成假设、运行分析并对照文献验证。
#开源/仓库
NVIDIA BlogAI 评分5454
NVIDIA BlogAI 评分3838 欧洲多家机构部署 NVIDIA Earth-2 开放模型用于真实天气预报与气候预测
NVIDIA 在 GTC Berlin 展示多家欧洲机构部署其 Earth-2 开放 AI 天气与气候模型。最新成员 StormScope EU 基于 EUMETSAT 卫星观测，通过 16 个 Meteosat 通道以 10 分钟间隔预测欧洲云况演变。
AWS Machine Learning Blog精选AI 评分6565 AWS 详解 Deep Insight 多智能体系统的五大生产挑战与解决方案
AWS Solutions Architecture 团队发布 Deep Insight，一个开源的编排式多智能体数据分析系统，并分三篇系列讲解生产化经验。
推荐理由：AWS 团队以开源项目 Deep Insight 为例，逐层拆解多智能体系统落地的五个生产挑战及对应架构方案，附代码与部署细节。
AWS Machine Learning BlogAI 评分2828 AWS 9 月 AI 更新盘点：Bedrock、AgentCore 与 Strands 新进展
AWS 回顾 9 月 Amazon Bedrock、AgentCore 与 Strands 更新：OpenAI 驱动的 Bedrock Managed Agents 进入公开预览。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体 RL 框架
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 训练范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重新实现智能体。
推荐理由：微软研究院开源 Agent Lightning v1.0，给出约 3500 行代码的智能体 RL 框架与真实 harness 训练路径，可据此评估训练与部署一致性问题。
Microsoft Research精选AI 评分6262 微软研究院：将物理 AI 推理卸载到边缘或云端可提升机器人表现与续航
微软研究院对移动操作机器人工作负载做了首次系统性研究，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU，可提升任务成功率、支持更大模型并延长续航。
推荐理由：微软研究院系统测量了机器人端侧推理的瓶颈，并给出可复用的 Kubernetes 卸载工具链，读者可据此判断物理 AI 的部署取舍。
Microsoft ResearchAI 评分4444 微软开源逆合成模型 RetroChimera，成果登上 Nature
微软研究院在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型用学习式重排序整合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc 的互补预测，在十项挑战性多步合成目标中成功九项，优于 de novo 模型的五项、编辑模型的四项和基线 NeuralSym 的两项。
Microsoft ResearchAI 评分3838 微软推出 GigaPath-Flash 与 GigaTIME-Flash：高效病理基础模型迈向人群级发现
微软研究院发布 GigaPath-Flash 和 GigaTIME-Flash，用蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干替代原模型，在 PANDA 前列腺分级和 EBRAINS 脑肿瘤分型基准上以约 50 倍更少算力达到原 GigaPath 3% 以内的性能。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX，并加入结构化的 CUDA-to-MLX 翻译层，让 CUDA 内核经验自动适配 Apple Silicon。
推荐理由：读者可以看到 CUDA 内核经验如何被结构化翻译到 Apple Silicon，以及翻译层对性能差距的具体贡献。
Berkeley AI ResearchAI 评分2828 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层次结构，以约 10 倍更少的消融达到 SPEX 的性能。