NVIDIA 公布 RTX Spark 轻薄 Windows 笔记本的多项更新，包括开放权重语音模型 Nemotron 3.5 Transcribe、Liquid AI 的 LFM3 系列模型支持，以及 NVIDIA App 中可在前台应用与后台智能体之间分配 GPU 资源的控制项。
推荐理由：原文列出 RTX Spark 笔记本在语音模型、GPU 资源分配和游戏支持上的多项更新，可据此判断本地 AI 工作流的新选择。
C-BRAIN 联合 NVIDIA 用 AI 整合此前无法被 AI 或研究者访问的"暗数据"，已推出开源智能体工具 OpenScientist 和 InsightEngine。OpenScientist 可在数分钟内完成领域科学家估计需数周至数月的分析，单次运行成本低于 10 美元。C-BRAIN 目前覆盖 200 多个研究组，规模化后每年或释放超 100 万小时研究产能。
微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 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写 agent。
推荐理由：框架把部署用的 agent harness 直接接入 RL 训练，并给出 6000 样本提升 14.6 个百分点的完整复现路径。
Berkeley Sky Lab 团队为 K-Search 演化式内核搜索框架新增 MLX 后端，并设计结构化 CUDA-to-MLX 翻译层，让搜索以现有 CUDA 内核为知识库生成 Apple Silicon 内核。
推荐理由：作者把 CUDA 优化知识整理成结构化上下文，让演化搜索在 Apple Silicon 上接近专家内核水平，方法可迁移到其他硬件生态。
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在特征归因、数据归因和机制可解释性中大规模识别驱动模型输出的关键交互。
Berkeley AI Research 在 NeurIPS 2025 论文中提出一套直接以互信息评估和优化成像系统的框架，仅用带噪测量和噪声模型即可量化测量对物体的区分能力。该指标在彩色摄影、射电天文、无透镜成像和显微成像四个领域预测了解码器性能，优化后的设计达到端到端方法水平，且内存和算力需求更低、无需任务专用解码器。