为什么 AlphaFold 没有解决蛋白质折叠问题——对话 Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在 Latent Space 的一场对谈中指出，AlphaFold 的突破只是开始，蛋白质结构预测远未解决，蛋白质动态、无序等问题仍待攻克。
#推理
Latent SpaceAI 评分3030
Latent SpaceAI 评分3434 Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 谈“合成超级智能”：从半导体到超导体
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在 Latent Space 播客中提出“合成超级智能”（synthesis superintelligence），主张 AI 科学发现需以物理实验为强化学习环境，而非仅靠更多互联网数据训练。
MIT Technology Review · AIAI 评分4444 别被迷惑：LLM 并不会真正推理
前 Google DeepMind 研究员指出，LLM 的思维链仍由同一套下一 token 预测生成，并非独立推理机制。他列举三大缺陷：缺乏可检视的持久认知状态、知识与操作无法分离、思维链常是事后编造。他主张借鉴 AlphaGo 的搜索架构，为模型建立可更新的认知状态。
Latent SpaceAI 评分3434 Latent Space 对话 MIT 的 Alex Zhang：从 GPU Kernel 到递归语言模型 RLM
MIT 研究者 Alex Zhang 在 Latent Space 播客中介绍了递归语言模型（RLM）等工作，基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的系统，早于 OpenAI 的 Astra。
Latent SpaceAI 评分7070 TypeSafe AI 发布 Jev：面向软件而非聊天的 System 1 模型
TypeSafe AI CEO Diogo Almeida 发布 Jev，定位为面向代码消费的 System 1 大型可编程模型，优化目标是每美元智能而非聊天体验。
Import AIAI 评分6060 Import AI 460：社会可被奖励攻击、Anthropic 的 RSI 数据与 RL 四旋翼竞速
本期 Import AI 汇总多项研究：伦敦国王学院、复旦大学与艾伦图灵研究所构建 SocioHack 基准，含 72 个沙盒社会环境，测试 AI 在信用卡积分、学校评分等场景中钻制度漏洞的能力，RL 训练的 LLM 在历史子集上以 61.25% 召回率、90.85% 精确率重新发现已被修补的漏洞策略。
Berkeley AI ResearchAI 评分3131 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前多数方法（如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!