GitHub 通过 Data Forge 和 Proof Agent 示例，讲解如何构建可在多个智能体客户端复用的技能，并设置检查与人工审批环节。技能以 SKILL.md 为核心，将项目配置放入独立清单，让多个技能共享上下文和平台访问路径，再生成适用于 Claude Code、Cursor 和 GitHub Copilot 的客户端文件。
推荐理由：将项目配置与技能指令分离，并让相关技能共用执行路径，为团队把隐性业务经验整理成可跨客户端复用的工作流提供了具体方法。
Google DeepMind 发布 Gemini 4 Hydrogen，主打快速执行日常编码与智能体任务，即日起向开发者、企业和消费者产品逐步开放。
推荐理由：通过区分深度架构判断与日常执行任务，材料展示了多模型工作流如何分配任务，并给出配额消耗与完成速度的对比数据。
Google DeepMind 发布 AlphaGenome 2，通过条件模型预测 DNA 序列及其变异对特定细胞类型和状态的影响，并可分析未见过的细胞状态。模型使用超过 107 million 个单细胞图谱训练，在 TenK10K 数据集上的因果变异识别比例为 30%，对比原版经单细胞数据微调后的 16%，并新增 DNA 甲基化预测。
推荐理由：从组织平均值转向细胞类型与状态的条件预测，有助于定位被组织层面分析掩盖的变异效应，将遗传关联落到具体细胞。
Microsoft 研究人员发现 Lazarus 后门技术，无需训练，仅改写 LLM 中不足 10 个休眠神经元，就能让 AI 智能体在隐藏触发条件出现时执行恶意命令。
推荐理由：研究将智能体后门风险具体落到模型权重完整性上，说明常规行为评测之外，核验原始权重与来源也是安全审计的重要环节。
Google 宣布开放 Gemini 4 Carbon，面向开发者、企业、科研人员和消费者，主打复杂知识工作、长流程智能体编码、网络安全与科学推理。
推荐理由：Carbon 与 Argon 的任务定位和 token 消耗差异，为比较复杂任务中的推理深度、验证投入与使用成本提供了具体依据。
Google DeepMind 公布 AlphaProof Code 研究，由人类专家指导 AI 智能体，形式化验证 Signal 核心加密代码的关键安全属性。
推荐理由：研究将验证对象从协议设计推进到实际运行的代码，为理解形式化验证如何覆盖设计与实现之间的安全缺口提供了具体案例。
Google DeepMind 发布视觉语言动作模型 Gemini Robotics 2.5，提升机器人任务广度、灵巧性与安全性，并正向机器人合作伙伴开放。
推荐理由：从多任务评测到汽车产线试点，材料给出了机器人灵巧性提升与实际作业可靠性之间的对照，便于理解模型进展的落地范围。
Microsoft Research 的 Xinzhi Zhang 与合作者 Zhao Song 证明了提出已 31 年的 KLS 猜想，将高维对数凹分布的相关几何界限收紧至不依赖维度的常数。
推荐理由：研究者逐轮筛选智能体搜索方向，并与相近 token 预算的无引导尝试对照，为理解数学研究中的人机分工提供了具体案例。
GitHub 采访了 3 位 Java Champion，介绍他们使用 GitHub Copilot 开发功能、迁移资料和排查缺陷的实践。
推荐理由：案例将提效落实为可迁移的工程方法，通过明确上下文、设置任务验收关卡并沉淀技能，让智能体执行与人工责任保持分工。
GitHub 介绍与 Microsoft Applied Sciences 合作构建的 ModernBERT 分类器，将推送保护扩展至非结构化密钥，批量评估候选密钥耗时低于 2 毫秒，可使能提前阻止泄露的密钥数量增加至两倍以上。
推荐理由：九个季度的数据未显示单次推送的密钥泄露比例明显上升，将防护重点从要求开发者更谨慎转向扩大自动预防与处置能力。