Google Earth AI发布行星地理空间基础模型助力全球公共卫生
Google Research推出地球AI的人口动态基础模型(PDFM)，将隐私保护的搜索趋势、人类流动性和环境因素等信号整合为位置嵌入，可直接插入现有流行病学工作流，在多种疾病预测中表现优于传统数据源。
推荐理由：原文提供了地球AI模型在公共卫生领域的实际应用案例和数据验证结果。
技术方向
数据与训练 最新动态
训练侧的门道：数据集构建、合成数据、预训练与后训练方法、算力与训练成本。
53 条精选近 30 天 45 条共收录 165 条
更新
精选归档 · 第 3 页
Google Research精选AI 评分7171
Hugging Face Blog精选AI 评分7373 Hugging Face 开源 AstaBrief 科研报告生成模型
Hugging Face 开源 AstaBrief 8B 模型，可将研究问题和检索到的文献摘要转化为带引用的报告。该模型在 Asta 平台的 Fast 模式中可用，报告生成速度比 Thinking 模式快约 3.5 倍，平均每份报告需 51.1 秒。模型和训练数据已开源，支持本地部署。
推荐理由：原文给出了开源模型的具体性能提升和应用场景，读者可据此评估其在科研报告生成中的实用价值。
Google Research精选AI 评分6565 Google Research 发布基于可信执行环境的联邦学习系统
Google Research 发布了新一代联邦学习系统，利用可信执行环境(TEEs)提供完全可验证和可审计的数据匿名化保证。该系统已在Gboard上部署，实现了更强的隐私保证和改进的准确性，同时显著加快了计算速度。
推荐理由：原文介绍了基于可信执行环境的联邦学习系统升级，提供了更强的隐私保证和可验证性。
Hugging Face Blog精选AI 评分7272 ServiceNow 发布 AutoSynthData：为企业 Agent 生成训练数据
ServiceNow CoreAI 发布 AutoSynthData，可将企业 Agent 的能力缺口转化为训练数据。该系统通过评估目标模型的失败和更强教师的成功来决定模型应学习的内容，然后生成和验证新任务。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分7575 NVIDIA 发布 Kumo Tabular 表格预测模型
NVIDIA 发布 Kumo Tabular 开源基础模型，专为表格数据分类和回归任务设计，无需训练、调优和特征工程即可直接预测新行标签。
推荐理由：原文提供了开源模型的技术架构和性能数据，读者可据此评估其在表格预测任务中的实际应用价值。
NVIDIA Blog精选AI 评分7575 NVIDIA联合发布开放病毒蛋白结构数据集
NVIDIA与Google DeepMind等机构合作，通过AlphaFold2和BioNeMo优化技术，预测并开放了2800多种病毒蛋白复合物的3D结构，这些数据已通过AlphaFold数据库向全球研究人员开放。
推荐理由：原文提供了开放病毒蛋白结构数据集及其生成方法，为全球研究人员应对未来大流行病提供了关键工具。
Microsoft Research精选AI 评分7070 Microsoft Research 发布 RetroChimera 逆合成预测模型
Microsoft Research 在 Nature 期刊发表 RetroChimera 模型，该模型结合两种互补模型提高小分子合成预测质量，已在 GitHub 开源。
推荐理由：原文提供了模型架构和验证结果，读者可据此评估其在药物研发和材料设计中的应用潜力。
Google DeepMind精选AI 评分8080 Google DeepMind发布AlphaGenome Atlas基因组预测平台
Google DeepMind推出AlphaGenome Atlas平台，包含人类基因组中90亿种单核苷酸变异的预测，并提供AVI评分系统帮助研究人员快速评估变异影响。该平台已用于罕见疾病研究和复杂性状关联分析，可通过网站门户、API和Google Antigravity访问。
推荐理由：原文提供了9亿种DNA变异预测和AVI评分系统，为基因组研究提供全面资源。
Google DeepMind精选AI 评分8181 Google DeepMind 发布全球最先进准确的天气AI模型 WeatherNext 3
Google DeepMind 发布 WeatherNext 3，这是目前最先进和准确的全球天气AI模型，集成了实时卫星数据，每小时更新，分辨率更高，提供精确的降水预报和清洁能源变量。该模型已集成到Google搜索、Gemini、地图、Google Maps Platform和Cloud中，通过独立评估显示其预测精度显著提升，特别是在降水预报方面比前代模型提高60%。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Microsoft Research精选AI 评分6565 GigaPath-Flash 和 GigaTIME-Flash：高效病理学基础模型助力人群规模发现
Microsoft Research 发布了 GigaPath-Flash 和 GigaTIME-Flash 模型，通过知识蒸馏技术将原始模型的计算需求降低约 50 倍和 8 倍，同时保持或提升性能。这些开源模型支持对大规模癌症患者队列进行病理分析，帮助研究人员研究疾病生物学、生物标志物和临床结果。
推荐理由：本文介绍了病理学基础模型的效率提升方法，使大规模人群研究成为可能。
Berkeley AI Research精选AI 评分7070 ABBEL：教会大语言模型更新信念以实现高效长程交互
加州大学伯克利分校研究团队提出ABBEL框架，通过自然语言信念状态替代完整交互历史，解决了长程任务中上下文压缩导致的性能下降问题。在CollabBench协作编码环境中，使用信念分级(ABBEL-rec-BG)将性能差距缩小约50%，同时训练步数减少50%。
推荐理由：原文提出了ABBEL框架，通过信念状态管理解决长上下文交互中的性能问题。
Berkeley AI Research精选AI 评分7070 智能体时代的数据系统：为、由和由智能体构建的数据系统
加州伯克利研究人员探讨了当AI推理成本趋近于零时，数据系统面临的三大挑战：为智能体设计的数据系统、由智能体组成的数据系统以及由智能体构建的数据系统。文章分析了智能体如何改变数据查询模式、需要新的记忆结构和协调机制，以及如何利用智能体合成定制数据系统，并展望了数据系统与智能体共同演化的未来。
推荐理由：当AI推理成本趋近于零，数据系统需重新设计以适应智能体主导的工作负载，这一转变将重塑数据架构与智能体协同方式。
Berkeley AI Research精选AI 评分6565 信息驱动的成像系统设计
加州大学伯克利分校研究团队提出了一种基于信息内容的成像系统评估与优化框架IDEAL，可直接从测量数据量化成像系统性能，无需重建算法。该框架在彩色摄影、射电天文、无透镜成像和显微镜四个领域验证了信息估计与下游任务性能的相关性，并能优化系统参数达到与端到端方法相当的效果。
推荐理由：原文提出了基于信息内容的成像系统评估与优化框架，可直接应用于多种成像领域。