用交叉注意力条件化学习爵士钢琴家风格
研究者基于钢琴 MIDI 预训练的 16 层 Transformer 模型 Aria，在 PiJAMA 数据集中十二位爵士钢琴家的独奏上微调，并在最后八层插入门控交叉注意力层，读取每位钢琴家的学习嵌入向量。生成片段被分类器判定为对应钢琴家的比例为 70%，无条件下仅为 37%；仅用生成音乐训练的第二个分类器识别真实录音的准确率达 95%。
#开源/仓库
Hacker NewsAI 评分3030 Hacker NewsAI 评分2727 Opus 5.5 智能体发现两种室温磁性半导体候选材料
Opus 5.5 智能体通过密度泛函理论计算发现两种室温磁性半导体候选材料。其一是全新设计的 Luttinger 补偿磁体 YBaMnFeO₅，预测带隙 2.35 eV，空穴自旋窗口 1.0 eV、电子自旋窗口 1.4 eV；另一种是 1999 年首次合成的已知材料，计算预测其具备目标性质。
arXiv cs.CLAI 评分2222 SBERT2S1：从生物医学句子编码器到校准的 System One 决策模型
研究提出 SBERT2S1，将 Sentence-Transformers 编码器转换为双编码器、cross-head（C）与 prior-fused residual（PFR）决策模型，并发布生物医学类型化决策套件 BIODECIDE 及源自 NLM 索引的 243k 条训练决策 MEDLINE-S1。
arXiv cs.CLAI 评分3333 SymCE：用逐定理符号验证器生成反例，SFT 模仿有害、强化学习可修复
研究者发布 SymCE，包含 4,707 道本科代数与实分析假猜想，每题配有可执行的逐定理 Python 验证器，验证器同时充当奖励函数。
arXiv cs.AIAI 评分2222 FlashSinkhorn 2：块稀疏熵正则最优传输求解器
FlashSinkhorn 2（FS2）是一款面向低维点云平方欧氏代价的熵正则最优传输（EOT）GPU 求解器，通过粗粒度质心求解与块稀疏精修两阶段耦合，在单张 A100 上求解两个 1.34×10^8 粒子测度间的离散 EOT 问题，全粒子边际残差低于 0.01，耗时不到 2.5 小时。
Microsoft Research精选AI 评分6262 微软研究：将物理 AI 推理卸载到边缘或云端可提升机器人性能与续航
微软研究院对移动操作机器人工作负载做了系统性测量，发现把物理 AI 推理从机载 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：微软团队系统测量了机器人端侧与卸载推理的差异，并给出可复用的 Kubernetes 卸载工具链。
Microsoft ResearchAI 评分4141 微软研究院在 Nature 发布逆合成模型 RetroChimera，并开源实现与权重
微软研究院在 Nature 发表逆合成预测框架 RetroChimera，并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，通过学习式重排序整合两者互补预测，在盲测中化学家对其单步反应预测的偏好超过此前模型与文献反应。
Berkeley AI Research精选AI 评分6060 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将 K-Search 进化式内核搜索框架扩展到 MLX，通过结构化的 CUDA-to-MLX 翻译层把已有 CUDA 内核经验迁移到 Apple Silicon。
推荐理由：读者可以看到 CUDA 优化经验如何被结构化迁移到 Apple Silicon，以及翻译层对最终性能差距的具体影响。
Berkeley AI ResearchAI 评分3232 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将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融达到 SPEX 的性能。
Berkeley AI ResearchAI 评分3535 伯克利提出信息驱动成像系统设计框架，登 NeurIPS 2025
伯克利 AI Research 提出基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化系统信息量，在彩色摄影、射电天文、无镜头成像和显微成像四个领域验证其能预测解码器性能。该方法优化出的设计可媲美端到端 SOTA 方法，同时占用更少内存和算力，且无需任务专用解码器。相关论文发表于 NeurIPS 2025。