NVIDIA推出BioNeMo推理运行时，通过内核选择、CUDA Graph和Ray流水线优化蛋白结构预测。在8张H100上，Boltz-2吞吐达每GPU小时5.85万残基，较公开实现提升2.9倍。文章强调科学AI吞吐应以成功结构数和完整流程时间衡量，需关注CPU预处理、写盘和失败率等瓶颈。

LLM应用输出不确定、无唯一答案且失败隐蔽，传统测试方法失效。文章提出三层评估体系：确定性检查（格式、长度、幻觉链接）、LLM评审（按评分标准打分）、人工评估（定期校准），并介绍黄金数据集、回归测试和统计显著性检验，建议从简单检查起步，逐步构建完整评估流水线。

Omarchy是一款基于Arch和Hyprland的键盘优先Linux桌面系统，由DHH创建。其生产流水线、构建、PR审查和QA测试现迁移至DigitalOcean运行。DigitalOcean成为Omacom基金会创始企业赞助商，并担任其代理计算提供商。双方计划推出1-click Omarchy Droplet，便于开发者快速部署。

本文介绍流水线并行中气泡的产生与优化。将模型按层切段、批次分微批后，段间等待形成气泡。四代调度各改一点：GPipe先全前向再全反向，显存高；1F1B改交替执行，减少在途激活；Interleaved 1F1B切细段降气泡，但增通信；Zero Bubble拆反向填气泡。气泡占比约(P−1)/m，显存峰值随段数变化。

本文提出一种集成式“扩大-剪枝”流水线，用于生成式语言模型预训练。该方法将扩大模型训练、剪枝和恢复整合到单一余弦退火学习率计划中，并引入迭代结构化剪枝，以缓解知识损失并优化神经元容量分配。实验表明，在将2.8B模型压缩至1.3B（预训练达2T tokens）时，该方法提升了剪枝模型的性能，并揭示了扩大预训练的token效率优势。

本文介绍了一个基于Kairos不可变Linux发行版的Kubernetes管理集群升级流水线。通过Gitea、Renovate、Kyverno、Cosign、ArgoCD和kairos-operator六种工具，实现全自动滚动升级，零人工干预，11分钟内完成三节点升级，无中断。文中还提到修复了并发升级bug和Renovate模板字段问题，并计划扩展至网关集群。

《知识就是力量》杂志社与360科技集团联合发布“知力·纳米”科普科幻AI大片创作平台，结合权威科普内容与AI视频技术，面向学校、科研机构等，提供从剧本到成片的完整创作链路，推动科普内容生产专业化、生态化，助力科学知识更生动传播。

本文比较了Redis与专用向量数据库（如Pinecone、Milvus、Qdrant）及pgvector的优劣。Redis作为统一实时平台，整合向量搜索、语义缓存、会话管理等功能，可降低基础设施复杂性和LLM成本，适合混合工作负载。专用数据库在超大规模或特殊调优时更优，pgvector适合小规模场景。选择取决于架构需求、运维能力和成本考量。

开发团队常忽视内部工具链故障，将其视为“日常阻碍”而非生产事故，导致效率雪崩。文章呼吁将开发流水线视为生产系统，定义事故等级、强制复盘、引入可用性SLA，并强调编译失败等同生产事故，需立即响应修复，否则线上崩溃只是时间问题。

该文介绍生产级AI代理系统的七大架构组件：感知、记忆、推理规划、工具执行、编排、护栏和可观测性。各组件职责分离，形成闭环反馈循环，其中护栏和可观测性作为横切关注点包裹整个循环。文章强调这些组件对系统可靠性、安全性和可调试性的关键作用，并配以独立Python代码示例说明。

OpenClaw开源框架通过三层定制（路由闸门、任务清单、记忆体）和五道护栏（任务体检、工具白名单、完成追踪、报警通道、信任等级）改造，两个月内形成自动化运营团队。尽管遇到AI沉默出错、擅自改主意等问题，但通过护栏和人工监督实现稳定运行，证明开放框架加定制护栏可产出可靠AI打工人。

Proto是一种新兴的生物编程语言，旨在简化生物设计过程，但与成熟的Snakemake和Nextflow相比仍显不足。尽管Proto强调统一性和高端性，现有工具已能有效解决环境冲突并具备丰富的社区支持，科研人员仍更依赖传统工具，认为其稳定性和实用性更为重要。Proto的未来尚需验证。

佐治亚理工学院发布了 Vortex 3.0，这是一个兼容 OpenCL 的 RISC-V GPGPU 设计。新版本引入了固定功能的图形堆栈、张量核心结构化稀疏性和线程束组级矩阵乘法等新特性，并支持 Mesa/Lavapipe Vulkan 后端。

ARS是一款开源项目，利用Claude Code支持学术研究，涵盖研究、写作、审稿和定稿四个阶段。该项目设计旨在防止AI出错，确保引用的真实性和研究的完整性，支持Markdown、DOCX和LaTeX格式，费用透明，完成一篇论文约需4到6美元。ARS强调AI辅助而非主导，适合科研人员使用。

nature-skills是一个科研绘图工具，基于Matplotlib实现高质量图表，自动化多面板布局、配色和字体统一，显著提高科研效率。它通过优化信息结构，帮助科研人员更好地组织数据，减少重复劳动，推动科研绘图向半自动化转型。