NVIDIA 发布 Kumo Tabular 表格预测基础模型
NVIDIA 发布 Kumo Tabular，一款面向表格分类和回归的开放基础模型，可在单次前向推理中直接预测新行，无需训练、调参或特征工程。模型提供 28M 至 215M 参数的三种规格，通过 Hugging Face 提供，采用 OpenMDW-1.1 license，支持商业使用。
推荐理由：材料同时交代了免训练推理、人工数据预训练方式与四项基准结果，便于评估其工程可用性。
#数据/训练
#数据/训练
今日 0 条Hugging Face Blog精选AI 评分7676
Google DeepMind精选AI 评分7979 Google DeepMind 发布 WeatherNext 3 全球天气模型
Google DeepMind 和 Google Research 发布 WeatherNext 3，通过实时卫星数据每小时生成高分辨率全球天气预报，最高支持 5-kilometer 分辨率。
推荐理由：WeatherNext 3 将实时卫星观测、小时级高分辨率预测与可再生能源变量结合，呈现 AI 天气模型走向本地化应用的路径。
Google Research精选AI 评分6363 Google Research 发布 TimesFM-3 多变量时间序列基础模型
Google Research 发布 TimesFM-3，这是一款原生支持多变量预测的时间序列基础模型，拥有 330 million 参数，并在超过 1 trillion 个时间点的数据上预训练。
推荐理由：TimesFM-3 将多变量预测、已知未来协变量与单次前向推理结合，并在三个公开基准上比较点预测和概率预测表现。
Microsoft ResearchAI 评分4747 GigaPath-Flash 和 GigaTIME-Flash：以高效病理基础模型迈向人群规模发现
GigaPath-Flash 和 GigaTIME-Flash 通过蒸馏骨干降低病理研究的计算成本，支持人群规模发现。GigaPath-Flash 在切片分类基准上与原模型的分数差距在 3% 内，所需计算量约少 50 倍。两者均以 Apache 2.0 许可开源，仅供研究，未经过临床用途验证。
Microsoft Research精选AI 评分6060 Microsoft Research 发布 Skala 1.1，扩展 DFT 精度与软件集成
Microsoft Research 发布 Skala 1.1，训练数据量达到上一版本的 2.5x，并在热化学、反应动力学和分子结构预测等任务中提升准确性。在 GMTKN55 的 55 个类别中，Skala 1.1 有 32 个类别获得最高排名，当前已集成到 CP2K，并正在接入 Psi4、FHI-aims、ORCA 和 VASP。
推荐理由：文章将 Skala 1.1 的精度提升、2.5x 数据扩展与 CP2K 等软件集成放在一起，呈现其从模型改进走向科研工作流应用的路径。
Google DeepMind精选AI 评分8787 Google DeepMind 开源 WeatherNext，飓风预测平均提前获得一天优势
Google DeepMind 发布并开源 WeatherNext 2、WeatherNext Cyclones 和 WeatherNext 2-mini，WeatherNext Cyclones 在飓风路径、强度和风场结构预测上平均获得超过 24 小时的提前量。
推荐理由：原文同时给出 WeatherNext 的预测增益、训练数据规模和开源范围，便于了解 AI 气象模型如何支持更早的飓风风险研判。
Mistral AI精选AI 评分6363 Mistral AI 发布 Shieldstral：3B 开放权重多模态安全分类器
Mistral AI 发布 Shieldstral，一款以 Apache 2.0 开放权重的 3B 多模态安全分类器，可在推理时接受自然语言审核规则，无需重新训练。
推荐理由：将审核规则放在推理时输入的自然语言问题中，使同一模型可适应不同产品的安全边界，而不必为每套规则重新训练。
Google Research精选AI 评分7777 Google Research 介绍 SensorFM：面向可穿戴健康数据的通用基础模型
Google Research 介绍 SensorFM，这一模型使用来自 5 million 名参与者的超过 1 trillion minutes 多模态可穿戴传感器数据进行预训练。
推荐理由：文章将可穿戴数据的规模化预训练、缺失感知学习与智能体适配串联起来，展示了通用表示跨健康任务迁移的路径。
Google Research精选AI 评分7070 Google Research 发布 TabFM：面向表格数据的零样本基础模型
Google Research 发布 TabFM，这一面向表格数据分类和回归的基础模型可通过单次前向传播生成预测，无需手动训练、超参数调优或复杂特征工程。TabFM 采用交替行列注意力、行压缩和 Transformer，并基于数亿个合成数据集训练。
推荐理由：文章解释了 TabFM 如何用交替行列注意力、行压缩和合成数据训练，将表格分类与回归转为零样本推理，并给出 BigQuery 使用入口。
Google DeepMind精选AI 评分6868 WeatherNext 如何帮助美国国家飓风中心提前预测 Melissa 飓风登陆牙买加
Google DeepMind 的 WeatherNext 帮助美国国家飓风中心提前 5 天预测 Melissa 飓风将以 Category 5 强度登陆牙买加。WeatherNext 可运行 50 个不同的情景，在登陆前 5 天以 80% 置信度预测这一结果，提前 3 天时置信度接近 100%。
推荐理由：文章展示了 WeatherNext 如何通过 50 个情景集合同时预测飓风路径与强度，并为牙买加疏散和资源调度争取提前量。