Hugging Face 与 SkyPilot 联合推出零出网存储集成
Hugging Face 与 SkyPilot 联合发布集成，用户可用一个 hf:// URL 将 Hugging Face Bucket 或模型、数据集、Space 仓库挂载进 SkyPilot 任务，并在 20 多个云、Kubernetes 和本地集群上运行。
推荐理由：原文给出 hf:// 挂载方式与免费出网机制，读者可据此判断跨云训练工作流的存储成本变化。
#数据/训练
#数据/训练
今日 1 条Hugging Face Blog精选AI 评分6161
Hugging Face BlogAI 评分3030 PRX Part 4：数据策略详解
Hugging Face 发布 PRX 系列第四篇，披露其数据策略：预训练数据由公开与内部数据集混合组成，用 VLM 重新生成图像长描述，再转为可流式语料。训练文本编码器换为 Qwen3-VL 并改为实时计算 latent，仅带来约 3–4% 吞吐损失；图像统一以 JPEG quality 92 编码。
Google ResearchAI 评分4444 Google Research 将 Heat Resilience 反照率数据扩展至 50+ 全球城市
Google Research 将建筑级屋顶反照率数据集从 2024 年试点的 14 座城市扩展至 50+ 全球城市，并同步上线高分辨率 Heat Resilience Earth Engine App。
Hugging Face BlogAI 评分3434 为什么专业化不可避免：优化理论、生物学与机器学习给出的同一答案
Dharmam AI 解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 的 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》，指出专业化是有限资源下的必然结果。
Google Research精选AI 评分6969 Google Research 发布 TabFM：面向表格数据的零样本基础模型
Google Research 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，将表格预测重构为上下文学习（ICL）问题，无需手动训练、超参数调优和特征工程，单次前向传播即可对未见过的表格生成预测。
推荐理由：TabFM 把零样本思路带到表格分类与回归，读者可据此了解免训练预测在企业数据场景的落地方式。
Google ResearchAI 评分4141 Google Research 研究：推理如何解锁 LLM 的参数化知识回忆
Google Research 在 COLM 2026 论文《Thinking to Recall》中提出，让 LLM 生成推理轨迹能解锁原本无法触及的参数化事实，且这一效应在简单单跳问题上同样成立。研究用 Gemini-2.5 Flash/Pro 和 Qwen3-32B 在 SimpleQA Verified、EntityQuestions 上对比推理开关，识别出计算缓冲与事实启动两种机制。
Google ResearchAI 评分3434 Google Earth AI 如何用深度学习把树篱和树丛变成可规划的数据
Google Research 发布矢量化数据集，把此前 Farmscapes 2020 中像素化的英国树篱、石墙和树丛转成可直接用于土地规划与碳核算的矢量清单。
Google ResearchAI 评分2222 Google Research 研究 AI 如何帮助用户理解皮肤状况
Google Research 公布多项皮肤科 AI 研究，其中发表于 JAMA Dermatology 的大规模调查显示，2,345 名参与者借助 AI 工具猜测皮肤状况名称的准确率从对照组的 8% 提升至 23%，"Wizard of Oz"组为 36%。
Google ResearchAI 评分3939 用退役手机搭建低碳计算平台：加州大学圣地亚哥分校与 Google 打造 2000 台 Pixel 手机集群
加州大学圣地亚哥分校在 Google 支持下，将退役智能手机的主板拆出组成集群，部署一个由 2000 台 Pixel 手机搭建的数据中心，为数百名研究者与学生提供低成本、低碳的云计算。研究显示 25-50 台手机约等于一台现代服务器，20 台手机的小型集群已能支撑 75 人以上课程的评分负载，且延迟低于 AWS 默认后端。该系统预计 2026 年秋季全面上线。
Google ResearchAI 评分5252 Google 开源洪水预报水文建模框架
Google Research 在 GitHub 上以 Apache 2.0 许可证开源其水文建模框架，让各国气象与水文机构能把 AI 洪水预报集成进自身工作流。
Google ResearchAI 评分3737 Google 推出零信任聚合的私有分析方案，结合密码学与 TEE
Google 公布一套面向私有分析的零信任聚合新方案，用新型密码学聚合协议保护用户数据，设备只需发送单条消息、无需多轮在线交互，Google 只能得到匿名化的群体聚合结果。该方案将密码学层与 TEE 结合，在硬件保护失效时数据仍不会被还原，并借助 TEE 远程证明向参与者验证协议按公开代码正确执行。
Mistral AIAI 评分3131 Mistral 收购 Emmi AI，加码工业物理 AI 基础研究
Mistral 已收购 Emmi AI，并将其工作纳入自身，专注为航空航天、汽车、半导体和能源等行业构建基础 Physics AI。双方此前发布的成果包括 AB-UPT——可在单张 GPU 上处理 900 万表面单元与 1.4 亿体积单元的原始几何、无需重新划分网格，以及首个端到端深度学习代理模型 NeuralDEM。
Mistral AI精选AI 评分6060 Mistral 收购 Physics AI 公司 Emmi，推进工业 AI 布局
Mistral AI 宣布已就收购 Physics AI 公司 Emmi AI 达成最终协议，以强化其面向工业企业的 AI 转型能力。Emmi AI 成立于奥地利，专注 Physics AI 并开发大型工程模型，可实现实时仿真、替代多日计算并构建数字孪生；其 30 多名研究人员与工程师将在 5 月加入 Mistral 的 Science 与 Applied AI 团队。
推荐理由：Mistral 收购 Physics AI 公司 Emmi，说明其正把物理建模能力与工程工具接入纳入工业 AI 路线。
Google DeepMindAI 评分2828 Google DeepMind 在亚太推出加速器计划，聚焦“AI for the Planet”应对环境风险
Google DeepMind 在亚太地区启动首个加速器计划，聚焦“AI for the Planet”，为期三个月，面向该地区初创公司、研究团队和非营利组织，用前沿 AI 解决自然、气候、农业、能源等问题。入选机构将获得专家指导、定制支持，以及 Google AI 专家协助把前沿 AI 和科学 AI 模型整合进其项目或产品。计划以在新加坡举办的线下训练营启动，现已开放注册意向。
Google DeepMindAI 评分4848 Google DeepMind Co-Scientist 加速基因线索发现，逆转细胞衰老
Google DeepMind 的 Co-Scientist 帮助 Omar Abudayyeh 和 Jonathan Gootenberg 的实验室筛选逆转细胞衰老的基因靶点：它扫描数万篇论文并提出 20 多个新的候选遗传因子，实验室验证其中几个成功将细胞推向更年轻状态。Co-Scientist 还将原本长达六个月的筛选数据分析缩短至几天。
Google DeepMindAI 评分3939 剑桥教授用 Co-Scientist 寻找跨物种传播疾病的分子开关
剑桥大学 Clare Bryant 教授用 Google DeepMind 的 Co-Scientist 研究流感等病原体跨物种传播引发败血症的分子机制。Co-Scientist 在未公开数据辅助下将候选靶点从蛋白质细化到具体氨基酸，团队正据此构建含氨基酸突变的细胞系验证假设。Bryant 称，原本需两到三年的精确氨基酸定位工作，若靶点正确，实验室有望在六个月内完成。
Google DeepMindAI 评分5050 Google Co-Scientist 助力发现抗肝纤维化老药新用途
Google DeepMind 的 Co-Scientist 帮助斯坦福大学医学院遗传学家 Gary Peltz 筛选可老药新用治疗肝纤维化的药物。Peltz 自己挑选的两款候选药在活体人类肝细胞测试中无效，而 Co-Scientist 提出的三款候选药中有两款阻断了纤维化并促进肝细胞再生，其中癌症药物 vorinostat 阻断了 91% 可致肝疤痕的损伤反应。
Google ResearchAI 评分2020 Google Research 如何通过全球合作与开放资源推动科学影响力
Google Research 称其开源工具与开放数据集已支持全球逾 25 万名研究人员和开发者。其基因组学工具 DeepVariant、DeepConsensus、DeepPolisher 助力社区处理了 250 万人的外显子组与全基因组，医学基础模型 MedGemma 下载量超 480 万次。
Google ResearchAI 评分4545 Google Research 科学家如何用 ERA 做流行病预测、宇宙学与 CO2 监测
Google Research 科学家正用 Empirical Research Assistance（ERA）开展真实科研：为流感、COVID-19 和 RSV 每周提交全美各州、最长提前四周的住院预测，在流感与 COVID-19 公开排行榜上处于或接近首位。
Google DeepMind精选AI 评分6565 Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布新论文提出 Decoupled DiLoCo 分布式训练架构，将大规模训练拆分为相互解耦的计算岛屿并以异步数据流连接，从而隔离局部硬件故障。
推荐理由：原文给出跨数据中心异步训练的低带宽与容错实测数据，读者可据此判断分布式预训练的工程可行边界。
Google ResearchAI 评分4343 Google 提出 Simula：用推理优先的机制设计生成合成数据集
Google Research 发布推理优先框架 Simula，将合成数据生成重构为机制设计问题，通过全局多样化、局部多样化、复杂化和 dual-critic 质量检查四个可控维度从零构建数据集，无需种子数据。
Google ResearchAI 评分3232 Google Research 用 AI 合成神经元加速脑图谱重建，MoGen 在 ICLR 2026 亮相
Google Research 提出神经元形态生成模型 MoGen，用点云流匹配生成合成神经元形状，加入 PATHFINDER 训练管线后使小鼠轴突重建错误率降低 4.4%，主要来自合并错误的减少。在完整小鼠脑规模下，这相当于节省 157 人年的手动校对。MoGen 已开源，论文将在 ICLR 2026 展示。
Google ResearchAI 评分2828 Google Research 研究：AI 基准测试需要多少标注者才够？
Google Research 用模拟器研究 AI 评测中「标注多少条目（N）」与「每条目标注多少人（K）」的权衡，发现常见的每条目 1、3、5 名标注者往往不够，反映人类观点细微差异常需每条目 10 名以上标注者。若只关心多数投票，增加条目更有效；若想捕捉观点分布，则必须增加标注者；在约 1000 条总标注的适度预算下，按指标选对比例即可获得高可复现结果。该模拟器已在 GitHub 开源。
Google ResearchAI 评分2626 Google Research 推出 S2Vec：用自监督嵌入学习城市建成环境
Google Research 发布自监督框架 S2Vec，通过 S2 Geometry 分区将建筑、道路等建成环境特征栅格化为多层图像，再用掩码自编码（MAE）学习通用嵌入向量，可预测人口密度、房价、碳排放等指标。
Google Research精选AI 评分6969 Google 与 NHS 在 Nature Cancer 发表两项 AI 乳腺癌筛查研究
Google Research 与多家 NHS 机构合作的 AIMS 研究在 Nature Cancer 发表两篇论文，评估 AI 用于乳腺癌筛查的效果。
推荐理由：两项 Nature Cancer 研究给出了 AI 参与乳腺癌筛查的检测率提升与阅片减负数据，并暴露人机仲裁的新问题。
Mistral AI精选AI 评分6666 Mistral AI 发布 Forge，让企业用私有知识训练前沿模型
Mistral AI 发布 Forge，一套让企业基于专有知识训练前沿级 AI 模型的系统。Forge 覆盖预训练、后训练和强化学习等模型生命周期阶段，支持 dense 与 MoE 架构及多模态输入，并可由 Mistral Vibe 等智能体用自然语言完成微调和调参。
推荐理由：原文给出企业用私有数据训练前沿模型的分阶段方案与多个行业落地场景，可据此判断企业自建模型的能力边界。
Mistral AIAI 评分5757 Mistral AI 加入 NVIDIA Nemotron Coalition 并发布 Mistral Small 4
Mistral AI 宣布作为创始成员加入 NVIDIA Nemotron Coalition，并与 NVIDIA 共同开发前沿开源模型，将 Mistral AI 的模型架构与全栈平台同 NVIDIA 的算力、模型开发工具及合成数据生成管线结合。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据和模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步引入层次结构，仅需约 10 倍更少的消融即可达到 SPEX 的性能。
Google ResearchAI 评分5757 Google 推出 Groundsource：用 Gemini 把新闻报道转成灾害数据
Google 推出 Groundsource，一种用 Gemini 从非结构化新闻中提取可验证灾害数据的方法，并公开首个数据集：260 万条城市山洪记录，覆盖 150 多个国家、时间跨度从 2000 年至今。
Berkeley AI ResearchAI 评分2323 伯克利提出信息驱动成像系统设计框架，NeurIPS 2025 论文验证四大成像领域
伯克利 AI Research 提出一种直接评估和优化成像系统信息量的框架，仅用含噪测量和噪声模型估计互信息，可预测解码器性能。在 NeurIPS 2025 论文中，该方法在彩色摄影、射电天文、无透镜成像和显微成像四个领域验证了信息估计与下游任务表现的一致性，优化后的设计达到 SOTA 端到端方法水平，同时占用更少内存和算力、无需任务专用解码器。
Berkeley AI ResearchAI 评分2222 word2vec 到底学到了什么？研究者给出闭式学习理论
Berkeley AI Research 的新论文为 word2vec 给出了定量可预测的学习理论：在合理实用条件下，其学习问题可化简为无权重最小二乘矩阵分解，梯度流动力学存在闭式解，最终学到的嵌入等价于对目标矩阵 M* 做 PCA。
Mistral AIAI 评分4343 Mistral 微调 Pixtral-12B 提升卫星图像分类表现
Mistral 用 LoRA 微调 Pixtral-12B 处理卫星图像，在 Aerial Image Dataset（AID，8000 训练样本、2000 测试样本）的分类任务上较基座模型显著提升，缓解了提示词方案对 DenseResidential、MediumResidential、Center 等易混类别的误判和编造标签问题。
Mistral AIAI 评分3030 Mistral AI 发布首个 AI 模型全生命周期环境评估，披露 Mistral Large 2 碳足迹
Mistral AI 与 Carbone 4、法国生态转型署（ADEME）合作完成首个 AI 模型全生命周期分析，并披露 Mistral Large 2 截至 2025 年 1 月训练及 18 个月使用产生的环境影响：20.4 ktCO₂e 温室气体、281 000 m³ 耗水、660 kg Sb eq 资源消耗。