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。
Google Research 介绍三项研究进展，让 AI 智能体在湿实验室中自主设计、执行并学习实验。VERID 框架基于 PyLabRobot 构建实验室数字孪生，提供 3D 状态追踪、虚拟预演、硬件安全检查和视频动作日志。
推荐理由：Google 自述其 AI 智能体闭环湿实验的三项进展，附 VERID 框架细节和 aptamer、蛋白设计的具体实验数据。
微软亚洲研究院发布 Harnessed Agentic RL 训练范式并开源重建的 Agent Lightning v1.0，让部署时使用的同一 agent harness 直接参与强化学习，无需在训练框架内重新实现智能体。
推荐理由：框架让部署用的真实 agent harness 直接参与 RL 训练，还给出端到端编码智能体训练管线，读者可评估是否接入现有工作流。
Mistral 介绍了为一家欧洲能源运营商用 AI Agent 将 40,000 行 Fortran 77 储层模拟器迁移到 C++ 的实践。
推荐理由：Mistral 复盘了 Fortran 77 迁移 C++ 的完整流程，三条可迁移经验如先建 parity 验证再动手，值得大型遗留代码改造时参考。
Berkeley Sky Lab 的 K-Search 框架通过新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，将 NVIDIA 生态多年积累的内核优化知识自动迁移到 Apple Silicon。
推荐理由：原文给出可复现的方法和具体数字，说明结构化 CUDA 翻译层在 Apple Silicon 上带来的性能差异。