本期 4 件事。点击标题可查看卡片、来源与相关知识点。
腾讯研究院新书《Token 经济》节选指出，Token 让部分智力劳动第一次被切分为可计量、可结算的单位，从而改写价值、成本、需求主体、产业竞争与制度边界；但作者强调 Token 经济不会自动通向更好的世界，其终点应是人重新站在系统中央，而非被模型替代、被平台分配、被账本度量。
本文节选自腾讯研究院新书《Token 经济》，作者为白惠天、袁晓辉、司晓。文章不讨论 Token 的技术定义本身，而是追问：当智力劳动第一次被切分成可以计量和结算的单位之后，经济系统会发生什么变化。文章同时提出一个规范性问题——Token 经济的终点应当是什么，以及由谁来决定智能如何被接入公共生活。
腾讯研究院（搜狐同步）
查看来源原文NVIDIA 展示了一套端到端工作流：由 AI 智能体（Hermes、Nemotron 3.5 Bolt、Astra）将一句提示词转化为仿真障碍赛道的搭建与训练计划，在 Isaac Sim/Isaac Lab 中用 4,096 个并行环境训练 Microduck 的感知与运动策略，并回到本地工作站做策略验证。
教学机器人通过障碍赛道，不只是训练一个“行走策略”。机器人需要感知周围环境、保持平衡，并在前方有障碍时调整动作。NVIDIA 技术博客以 Microduck 为参考机器人，串联起资产生成、环境搭建、物理仿真、策略训练与评估几个阶段，并提出问题：AI 智能体能否承担其中的规划与准备环节，让开发者专注于训练与验证？
NVIDIA 博客
查看来源原文人类在强化学习中会整合三种可靠性信息（转移可靠性、无模型奖励预测可靠性、模型化奖励预测可靠性）来仲裁控制策略，且个体在“用哪些策略仲裁”上存在异质性，这些异质性与不同的强迫性和冲动性特征相关。
该研究关注人类如何在强化学习策略之间进行仲裁（arbitration），以及这些策略本身的本质。研究使用修改版两步决策任务，在两个独立样本（N = 452 和 N = 226）中考察个体如何整合可靠性信息来调节控制策略，并分析行为profile与强迫性、冲动性特征的关系。
nature.com
查看来源原文KaML-ESMs 是基于 ESM 蛋白质语言模型构建的序列型神经网络，能在天然蛋白上以约 0.5 个单位的均方根误差预测 pKa 值，精度接近实验水平，并已应用于整个人类蛋白质组的功能位点识别与催化机制推断。
电离态对蛋白质功能至关重要，但预测其平衡常数（pKa）仍是难题。Shen 等人提出 KaML-ESMs，用蛋白质序列（而非结构）预测 pKa，试图验证序列通过进化上下文是否间接编码了静电特性。
nature.com
查看来源原文