NVIDIA 发布预训练关系数据基础模型 Kumo Relational，可直接在企业数据库上做预测查询，无需任务训练、特征工程或展平表格。在 15 个数据库的 41 项任务上超越监督式关系深度学习和专家梯度提升树管线，SAP SALT 基准上 MRR 超过 AutoGluon 集成 8%，微调后领先 16%。
推荐理由：原文给出基准对比数字和开源获取方式，读者可以据此评估是否用它替代现有 XGBoost 关系数据管线。
Microsoft Research 的 Xinzhi Zhang 与 Zhao Song 证明 1995 年提出的 Kannan-Lovász-Simonovits（KLS）猜想，表明对数凸分布而言最优平面割与任意形状割之差不超过与维度无关的普适常数。
推荐理由：原文详述证明路径、独立验证与 Lean 形式化，并对比了有无人类引导的 AI 探索差异，方法可借鉴。
Google DeepMind 发布 Gemini 4 Argon，定位为通用物理推理模型，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过其他前沿模型。
推荐理由：官方展示了 Gemini 4 Argon 在机器人控制、Real2Sim 和自改进等场景的具体提示词与结果，可帮助读者评估它在机器人栈上的实际用途。
Google DeepMind 发布新前沿模型 Gemini 4 Argon，通过 Fairwind Program 先向可信网络防御者开放，之后再扩大到开发者、企业和消费者。
推荐理由：官方发布稿给出定价、输出窗口和基准数字，可帮读者了解 Gemini 4 Argon 的能力范围与分阶段开放节奏。