OpenAI 公开 722 篇数学手稿，归为 372 组结果，全部出自一个尚未发布的内部模型，论文、源码和部分 Lean 证明已上传 GitHub。手稿涉及准黎曼猜想、霍奇猜想、BSD 猜想、π 的无理性指数等，OpenAI 称模型共尝试约 4000 个研究问题，平均每项结果算力约相当于 ChatGPT Pro 思考 3 小时。
推荐理由：OpenAI 一次性公开 722 篇数学手稿，读者可据此了解这批成果覆盖的猜想范围与数学界的核验争议。
微软研究院开源 Agent Lightning v1.0，用约 3500 行代码实现完整的 Harnessed Agentic RL 控制平面，让部署时使用的 agent harness 直接参与强化学习训练。
推荐理由：微软研究院开源 Agent Lightning v1.0，读者可了解让部署用 harness 直接参与 RL 训练的思路与实测增益。
OpenAI 发布内部前沿模型在数学开放问题上取得的新结果，并在 GitHub 上公开 Lean 证明形式化与研究细节。
推荐理由：OpenAI 公开内部前沿模型在数学开放问题上的结果与 Lean 形式化证明，可了解其研究细节。
Google DeepMind 发布 SynthID Bio，把 SynthID 水印技术引入合成生物学，将不可感知的签名直接嵌入生物代码，在数字模型和合成出的实体蛋白质上均可验证，同时保持其生物功能。
推荐理由：SynthID 水印首次延伸到合成生物学，读者可了解其在蛋白质序列与结构上的实现方式及生物安全用途。
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就能识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做分类并生成漏洞报告。
推荐理由：原文完整披露了自主模糊测试流水线的分层架构与覆盖反馈循环，可了解 LLM 智能体如何接手安全测试中的重复劳动。
微软研究院对移动机器人操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 可提升任务表现并延长续航。
推荐理由：微软对机器人推理负载的系统性测量显示，把推理从机载 GPU 卸载到边缘或云端可同时改善任务成功率与续航。
Lightricks 在 GitHub 开源 LTX-2.5，称其为首个基于 DiT 的音视频基础模型，可在同一模型内实现音视频同步、高保真与多种性能模式。仓库提供 DistilledPipeline、DFRPipeline 等十余条流水线，覆盖文生视频、图生视频、音频生视频、重拍与配音等场景，模型权重约 66 GiB，需从 Hugging Face 下载。
推荐理由：原文给出 LTX-2.5 的模型清单、显存优化与多条流水线命令，读者可据此判断本地部署音视频生成的硬件门槛。