Google DeepMind 的 AlphaProof Nexus 独立解出多个开放数学问题，相关研究发表在 Science 上。它解出 353 个 Erdős 开放问题中的 9 个，其中两个已悬置 56 年，还证明了 OEIS 整数序列数据库中的 44 个猜想、解决了一个代数几何开放问题，并改进了 min-max 优化中的一个已知界。
推荐理由：DeepMind 的 AlphaProof Nexus 在 Science 发表，独立解出多个悬置数十年的开放数学问题，并罕见地走完同行评审流程。
前 DeepMind AlphaGo 核心成员 Thore Graepel 撰文指出，LLM 逐 token 预测加思维链仍属系统 1 式的模式补全，缺少 AlphaGo 那种独立搜索机制，因此不构成真正推理。
Google DeepMind 发布 Gemini for Science，包含 Google Labs 上三个实验原型：基于 Co-Scientist 的 Hypothesis Generation。
推荐理由：Google 把 Co-Scientist、AlphaEvolve 等能力打包成科研工具集，含三个实验原型和一套 Science Skills，可登记申请试用。
剑桥大学 Clare Bryant 教授使用 Google DeepMind 的 Co-Scientist 研究病原体跨物种传播时引发脓毒症等重症的分子开关。她先输入一份流感研究基金申请摘要，工具生成并排序了一批假设，其中一些是她未曾考虑过的；基金获批后她又输入完整提案，Co-Scientist 优先标出了一个她此前未关注、却与她已有兴趣的多条信号通路相关的蛋白。
推荐理由：剑桥团队用 Co-Scientist 筛选跨物种感染致病蛋白，把原本两三年的氨基酸定位工作压缩到约六个月。
Google DeepMind 发布论文提出 Decoupled DiLoCo 分布式训练架构，把大规模训练拆分为解耦的计算岛屿，岛屿间异步传输数据，从而隔离局部硬件故障并降低带宽需求。
推荐理由：Google DeepMind 提出解耦式分布式训练架构，用异步岛屿降低带宽并隔离硬件故障，附 Gemma 4 实测结果。
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其面向机器人的推理优先模型升级版，增强了空间推理和多视角理解能力，并新增仪表读数功能，可读取压力表、液位计和数字读数等设备。
推荐理由：Gemini Robotics-ER 1.6 升级空间推理与多视角理解，新增仪表读数能力，已通过 Gemini API 和 AI Studio 开放。