Microsoft Research 用机器学习预测电网空间天气风险
Microsoft Research 构建了一套机器学习管线，为美国本土 66,935 座变电站生成空间天气风险估计，并可提前 30-60 分钟发出特定风险预警。
推荐理由：文章展示了从太阳风预测到变电站风险估计的完整链路，并用评估指标说明其预警能力与落地前的验证环节。
#数据/训练
#数据/训练
今日 1 条Microsoft Research精选AI 评分6161
Hugging Face Blog精选AI 评分7676 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。
OpenAI NewsAI 评分4444 OpenAI 迈向前沿 AI 训练的安全论证
OpenAI 提出前沿 AI 训练安全论证的早期指导原则，涵盖技术防护措施、运营实践和对不对齐事件的调查。指导原则聚焦训练过程中的安全论证，涉及技术与运营层面的措施，以及不对齐事件的调查工作。
NVIDIA Blog精选AI 评分7474 NVIDIA与合作伙伴如何用开放科学为下一次大流行做准备
NVIDIA与Google DeepMind等机构合作，通过AlphaFold Database公开超过2,800种病毒蛋白质复合物的预测3D结构。数据由AlphaFold2结合NVIDIA BioNeMo Inference Runtime生成，约30%的蛋白质相互作用此前未在Protein Data Bank中记录。
推荐理由：开放数据覆盖超过2,800种病毒且约30%的蛋白质相互作用此前未被记录，同时提供可复用的结构预测流程。
NVIDIA BlogAI 评分5656 曼彻斯特大学使用 NVIDIA Earth-2 预测英国空气污染
曼彻斯特大学与 NVIDIA Earth-2 团队利用 Earth-2 CorrDiff 和 StormCast，训练可预测英国空气污染的生成式模型。模型基于一年、按小时模拟的英国污染数据，可达 2-3 square kilometers 分辨率，并在 Isambard-AI 的单个八 GPU 节点上用两天完成训练。
Google ResearchAI 评分5858 Retrieve-for-Train 用离线强化学习加速复杂 AI 搜索
Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train，用离线强化学习生成与集合属性对齐的查询分解监督，再训练 53.9M-parameter 扩散检索器，在单次非自回归过程中生成完整目标集合。该方法在时延上相较自回归方法实现 12 to 20 speedup，并在大上下文批处理中将近 50 秒的自回归扇出延迟降至亚秒级到数秒。
Google Research精选AI 评分6060 Google Research 提出 ToolGrad：用文本“梯度”高效生成工具调用数据集
Google Research 在 ACL 2026 介绍 ToolGrad，通过先生成经验证的工具调用链，再标注对应用户查询，迭代构建更复杂的工具调用数据。基于 ToolBench 的 16k+ APIs，ToolGrad 以更低成本和更高通过率生成数据；使用 ToolGrad-500 微调的 Gemma-3-12B 在 BFCL 上取得 83.1 分。
推荐理由：文章清楚拆解了从工具链生成、执行筛选到查询更新的流程，并用 BFCL 结果展示该方案的训练效果与成本取舍。
Google DeepMind精选AI 评分7878 Google DeepMind 推出 AlphaGenome Atlas，预测人类基因组 9 billion 个单核苷酸变异影响
Google DeepMind 推出 AlphaGenome Atlas，预计算人类基因组约 9 billion 个单核苷酸变异的分子影响预测。平台提供由 AlphaGenome 和 AlphaMissense 预测整合而成的 AVI score，并通过网站、AlphaGenome API 和 Google Antigravity 中的 skill 提供访问。
推荐理由：文章把 AlphaGenome Atlas 的数据、AVI 评分和真实研究案例串联起来，呈现其如何帮助研究者筛选非编码变异并追踪分子影响。
Mistral AI精选AI 评分7676 Mistral 完成 €3B Series D 融资，推进主权开放权重 AI
Mistral 宣布完成 €3B Series D 融资，投后估值超过 €21B，Samsung Electronics 领投，Scaleup Europe Fund 和 PSG Equity 联合领投。公司将扩大前沿研究、训练算力和基础设施，推动商业增长与国际化布局，并继续发展由开放权重模型、基础设施、算力和产品组成的全栈方案。
推荐理由：这轮融资把 Mistral 的开放权重路线与训练算力、基础设施和商业扩张放在同一项资本动作中观察，呈现其主权 AI 定位的推进方式。
Google ResearchAI 评分5656 Google Research 研究跨人群基因组预测中的迁移学习
Google Research 基于 UK Biobank 欧洲人群和 Biobank Japan 近 200 thousand 名日本人样本，评估了八种临床性状的 PRS 跨人群迁移效果。
Google Research精选AI 评分8282 Google Research 发布完整雄性果蝇脑及中枢神经系统连接组图谱
Google Research 与 HHMI Janelia 等合作发布了雄性果蝇大脑和中枢神经系统的完整连接组图谱，包含超过166,000个神经元和125 million个突触连接，按神经元数量计算为目前最大的脑图谱。该成果发表于 Cell，图谱经过 HHMI Janelia 人类专家标注和校验。研究人员可通过开源工具 Neuroglancer 查看、探索和下载这份数据。
推荐理由：文章展示了 AI 连接组学如何把电子显微镜切片重建为可验证的细胞级图谱，并说明雌雄连接组可用于研究神经差异和行为机制。
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。
Hugging Face Blog精选AI 评分7070 如何用 TRL 和 OpenEnv 训练 Qwen3.5-35B-A3B 编写水彩画代码
作者用 TRL 和 OpenEnv 复现水彩画代码训练方法，通过 GRPO 训练 Qwen3.5-35B-A3B，让模型编写调用 p5.brush 的 JavaScript，并向个人审美偏好靠拢。
推荐理由：将通用审美评分与人工筛选参考图的对比奖励分开实验，展示了减少劣质输出与贴近个人画风是两种不同的训练目标。
Hugging Face Blog精选AI 评分6060 LFM2.5-350M 如何用 GRPO 提升结构化输出合规性
Hugging Face Blog 给出使用 TRL 和 GRPO 微调 LFM2.5-350M 的公开流程，在约 500 个样本和 100 个训练步骤后，IFStruct 通过率从 22.6% 提升至 29.7%。该流程使用 LoRA 训练约 6M 参数，并在相同服务栈下比较基础模型与微调模型，JSON 通过率由 18.0% 提升至 31.9%，YAML 由 27.2% 变为 27.5%。
推荐理由：文章给出基于 TRL 和 GRPO 的小模型结构化输出微调流程，并用同一 IFStruct 服务栈展示 22.6% 到 29.7% 的可复现实测变化。
Google Research精选AI 评分7272 Google Research 介绍 MAPL-EMIT 全球甲烷排放监测方法
Google Research 与 NASA JPL 介绍 MAPL-EMIT，利用深度学习分析 NASA EMIT 高光谱数据，自动检测、增强量预测并定位全球甲烷羽流。
推荐理由：文章展示了物理模拟与视觉 Transformer 如何结合 EMIT 数据识别甲烷羽流，并以 84% 召回率和公开数据、模型与推理库说明其可复用性。
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。
Google ResearchAI 评分4949 GlucoFM：用于连续血糖监测的基础模型
GlucoFM 是一种用于连续血糖监测（CGM）的自监督基础模型，以双流设计分离较慢的血糖趋势与短期偏差，并保留时段和缺失信息。在四个队列、七项临床预测任务的14项队列—任务评估中，其平均 PR-AUC 比同语料预训练的最佳 GluFormer 变体高5.8个百分点，并在糖尿病风险和β细胞功能障碍评估中全部领先。
Hugging Face BlogAI 评分5959 QAH 将 GPT-OSS 120B 压缩为 60B 4-bit 模型，并在 9 项基准中 7 项超过 BF16 版本
Multiverse Computing 提出 Quantization-Aware Healing（QAH），将 GPT-OSS 120B 压缩为 60B 参数并量化至 MXFP4，在 9 项基准中的 7 项超过同架构 BF16 检查点。
Google ResearchAI 评分5555 Google Research 如何用移动数据让语言模型更深入理解地点
Google Research 提出 Mobility-Embedded POIs（ME-POIs）框架，将匿名聚合移动模式与地点文本表示结合，以建模地点的动态功能。在洛杉矶和休斯顿的未见地点测试中，该框架使访问意图预测相对提升最高达 81.9%，价格水平分类提升 75.1%，繁忙程度估计准确率提升 24.7%。ME-POIs 面向地点和商家的群体性聚合特征，不用于个人个性化推断。
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 Research精选AI 评分6363 Google Research 提出 PhotoScan 用智能手机图像估计心脏代谢风险
Google Research 介绍 PhotoScan，一种从标准 2D 智能手机照片估计体脂率、A/G 比和 V/S 比的深度学习框架。模型使用 UK Biobank 的 35,323 条记录预训练，并在 677 名成人数据上微调，在 132 人的独立验证队列中评估。
推荐理由：文章比较了 PhotoScan、BIA 与 DXA 在体成分估计和胰岛素抵抗分类上的表现，呈现了智能手机图像的应用边界。
Google Research精选AI 评分7070 Google Research 研究：LLM 事实性瓶颈更多在召回而非编码
Google Research 介绍一项关于 LLM 事实性的研究，提出 knowledge profiling 和 WikiProfile，用于区分事实是否被编码及能否被召回。
推荐理由：文章用 WikiProfile 区分事实编码与召回，数据显示前沿模型的瓶颈更多在已存知识的访问，而非知识缺失。
Hugging Face Blog精选AI 评分6464 Multiverse Computing 介绍让知识蒸馏规模化运行更低成本的方法
Multiverse Computing 的论文提出离线缓存教师模型的 top-100 logits，并使用 fused chunked KL loss 降低大语言模型知识蒸馏的显存占用。
推荐理由：文章将离线 top-100 logits 缓存与 fused chunked KL loss 结合，展示其如何降低长上下文蒸馏的显存和训练成本。
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。
Berkeley AI ResearchAI 评分5858 ABBEL 通过信念状态提升 LLM 长程交互效率
Berkeley AI Research 提出 ABBEL，通过周期性更新并监督自然语言信念状态，让智能体在长程交互中用信念替代完整历史作为工作上下文。在 CollabBench 协作编码中，重构式信念评分将与完整上下文模型的性能差距缩小约50%，训练步数从100降至50，同时峰值上下文 token 长度低于完整上下文设置。
Google Research精选AI 评分7171 Google Research 展示让量子计算机从错误中学习的强化学习控制
Google Research 在 Nature 发表研究，展示一种强化学习框架，可利用量子错误检测事件持续调节控制参数，在计算不中断的情况下抵抗漂移。该方法在 Willow 超导处理器上使逻辑稳定性提升 3.5 倍，并在人工校准后进一步将逻辑错误率降低 20%；模拟显示所需训练迭代次数与系统规模无关。
推荐理由：文章把量子纠错产生的错误检测事件转为强化学习信号，展示了连续校准如何在不中断计算的情况下抑制硬件漂移。
Google ResearchAI 评分5454 Google Research 论文解释扩散模型的创造力来自 score smoothing
Google Research 在 ICLR 2026 论文中指出，扩散模型的创造力来自神经网络训练对 score function 产生的 score smoothing，而非随机现象。研究表明，正则化会让模型在训练数据点之间生成新的合理样本，并在高维场景中帮助恢复数据流形。Google Research 同时发布了用于生成论文图表的数值实验代码。
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。
Hugging Face Blog精选AI 评分6666 PRX 第四部分：数据策略
PRX 团队介绍了其图像生成模型的预训练数据流程：混合公共与内部数据集，使用 VLM 为图像生成长描述，并以 Lance 构建和探索数据、以 Mosaic Data Shards（MDS）供训练流式读取。团队在数亿级数据上采用 JPEG quality 92、分辨率与宽高比分桶、基于 caption 的过滤和感知哈希去重，并选择 Qwen3-VL-8B 作为 captioner。
推荐理由：文章把 PRX 的大规模图像训练数据流程拆成可复用环节，覆盖数据探索、VLM 重标注、格式转换、过滤去重及工程取舍。
Hugging Face BlogAI 评分4949 为什么 AI 系统的专业化不可避免
优化理论、生物学与竞争市场共同指向：在算力、数据和开发时间有限的条件下，AI 系统通过专注特定目标、以广度换取匹配度，往往能获得更高性能。Goldfeder 等人在 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》中进一步论证，通用性并非性能优势，“普适通用”在实践中只是神话。
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 ResearchAI 评分5353 Google Research 论文提出线性弹性缓存，降低 Spanner 缓存成本
Google Research 在 CIDR 2025 论文中提出线性弹性缓存，将页面淘汰建模为 ski rental 问题，并根据实时负载动态调整缓存大小。在 Spanner 生产服务器的测试中，内存使用减少 15.5%，缓存未命中增加 5.5%，TCO 降低约 5%，实际 I/O 成本仅增加 0.5%。该方法使用轻量级决策树预测页面 TTL，缓存物理空间不足时仍由 LRU 管理。
Google Research精选AI 评分6565 Google Research 研究推理如何解锁大语言模型中的参数化知识
Google Research 研究发现，开启 reasoning trace 可帮助 Gemini-2.5 Flash、Gemini-2.5 Pro 和 Qwen3-32B 找回关闭推理时难以恢复的单跳事实。
推荐理由：文章通过受控实验拆解推理提升单跳事实召回的两种机制，并将中间事实的可靠性与最终答案准确率联系起来。
Google Research精选AI 评分6262 Google Earth AI 将 Farmscapes 2020 转为自然恢复矢量数据
Google Research 发布矢量化数据集，将 Farmscapes 2020 的高分辨率地图转化为包含树篱、石墙和小型林地的可操作清单。该框架使用在 300 million 全球卫星图像上预训练的 Remote Sensing Foundations Vision Transformer，并结合亚米级影像和 1-meter LiDAR 数据识别复杂农田景观。
推荐理由：文章展示了如何将高分辨率卫星影像与 LiDAR 数据转化为可用于生态恢复和碳核算的精细化地理数据。
Google Research精选AI 评分6464 Google Research 提出机器遗忘审计新框架
Google Research 提出 Regularized f-Divergence Kernel Tests，用相对三样本检验审计差分隐私与机器遗忘。该框架在 SVT3 隐私违规检测中仅用几千个样本，而 DP-Auditorium 需要数百万个样本才能达到相近的检测率。对所评估的近似机器遗忘方法，只有 random label technique 通过了测试，作者同时说明实验使用了简化实现。
推荐理由：文章把机器遗忘审计从直接比较两模型改为相对三样本检验，并展示其在隐私审计中减少样本需求、识别局部偏移的具体效果。
Mistral AIAI 评分4747 Mistral：塑造行业的 Physics AI 研究
Mistral 收购 Emmi AI 后，将其研究并入自身，持续推进面向工业工程的 Physics AI 基础研究与企业解决方案。相关成果覆盖 CFD、空气动力学、汽车、航空航天与核聚变等领域，包括 AB-UPT、NeuralDEM、UPT 和 GyroSwin。最新数据集包含约 30,000 个 3D 翼型样本，AB-UPT 可在单块 GPU 上处理 9M 表面单元和 140M 体积单元。
Google DeepMind精选AI 评分7272 Google DeepMind 推出 Gemini for Science 科学工具与 Science Skills
Google DeepMind 推出 Gemini for Science，包含 Google Labs 上的三款科学实验工具和 Google Antigravity 中的 Science Skills。三款工具分别用于假设生成、计算发现和文献分析，并将逐步开放注册。Science Skills 集成超过 30 个生命科学数据库和工具，可支持结构生物信息学与基因组分析等工作流。
推荐理由：原文同时梳理了三类实验工具、Science Skills及其科研应用场景，便于了解Google如何把智能体能力接入假设生成、计算实验和文献分析。
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。