用 Unsloth 和 Hugging Face Jobs 免费训练 AI 模型
Hugging Face 发布教程，介绍如何通过 Claude Code、Codex 等编码智能体，用 Unsloth 和 Hugging Face Jobs 微调 LiquidAI/LFM2.5-1.2B-Instruct。
推荐理由：原文给出从安装 Skill 到提交 HF Jobs 的完整命令与成本表，可据此估算小模型微调的实际开销。
#数据/训练
#数据/训练
今日 1 条Hugging Face Blog精选AI 评分6262
Google ResearchAI 评分4040 Google 用合成数据教多模态大模型读懂地图路径
Google Research 提出 MapTrace，一套可扩展的合成数据生成流程，用于训练多模态大模型在地图上追踪路径，并开源了基于 Gemini 2.5 Pro 和 Imagen-4 生成的 200 万问答对。
OpenAI NewsAI 评分3838 OpenAI 开源 GABRIEL：用 GPT 将定性文本与图像转为定量数据
OpenAI 推出开源工具包 GABRIEL，借助 GPT 把定性文本和图像转化为定量数据，帮助社会科学家大规模分析研究。该工具面向社会科学研究场景，目前已开源。
Google ResearchAI 评分3232 Google 研究：用鸟类数据训练的 Perch 2.0 如何揭示水下鲸类之谜
Google Research 与 Google DeepMind 发现，主要用鸟类等陆生动物音频训练的 Perch 2.0 生物声学基础模型，在未接触任何水下音频的情况下，仍能作为嵌入模型迁移用于鲸类发声分类。
Hugging Face BlogAI 评分4040 Hugging Face 推出 SyGra Studio：可视化合成数据生成环境
Hugging Face 发布 SyGra 2.0.0 的 Studio，一个把合成数据生成变成可视化画布操作的交互环境，所有可视化配置都会生成对应的 SyGra 图配置与任务执行脚本。
OpenAI NewsAI 评分4242 GPT-5 降低无细胞蛋白质合成成本
OpenAI 的 GPT-5 与 Ginkgo Bioworks 的云端自动化结合组成自主实验室，通过闭环实验将无细胞蛋白质合成成本降低 40%。
Google ResearchAI 评分2828 Google Research 提出 Sequential Attention：让 AI 模型更精简更快且不牺牲准确率
Google Research 提出 Sequential Attention，用贪心选择机制在单次模型训练中顺序、自适应地挑选最佳组件，把子集选择直接融入训练流程，避免传统贪心算法带来的数量级训练开销。该方法在多个神经网络基准上取得 SOTA，并已用于特征选择等真实场景，兼顾效率、准确率、可解释性与大规模扩展能力。
Hugging Face BlogAI 评分3030 从 DeepSeek 到 AI+：全球开源 AI 生态的未来走向
Hugging Face 博客系列第三篇指出，开源已成为中国 AI 机构近期的主流路线，DeepSeek 是 Hugging Face 上关注度最高的组织，Qwen 位列第四。
Hugging Face BlogAI 评分3434 PRX 文本到图像模型训练设计：消融实验的经验教训
Hugging Face 公布 PRX-1.2B 文本到图像模型的训练消融实验，在 100k 步、256×256 分辨率、全局 batch size 256 的 Flow Matching 基线上，系统对比表征对齐、训练目标、token 路由与稀疏化、数据四类技巧对收敛与效率的影响。
OpenAI NewsAI 评分3838 OpenAI 如何打造内部数据智能体：用 GPT-5、Codex 和记忆推理海量数据集
OpenAI 构建了一个内部 AI 数据智能体，结合 GPT-5、Codex 和记忆能力对海量数据集进行推理，可在数分钟内给出可靠洞察。该智能体面向内部数据分析场景，核心在于用记忆机制支撑跨数据集的持续推理。
Google ResearchAI 评分5252 Google 发布 ATLAS：面向多语言模型的实用缩放律
Google Research 发布 ATLAS（自适应迁移缩放律），用于指导多语言模型的模型规模、数据量与语言配比选择，论文将在 ICLR 2026 展示。该研究基于 774 次训练运行、10M–8B 参数模型、400+ 语言数据和 48 种语言评测，并给出 1,400 对语言之间的迁移关系矩阵。
Hugging Face BlogAI 评分3434 中国开源 AI 生态的架构选择：超越 DeepSeek 之后
中国开源模型近一年几乎一致转向 MoE 架构，Kimi K2、MiniMax M2、Qwen3 均采用该路线，以在算力约束下平衡能力与成本。开源方向从文本扩展到多模态与智能体，StepFun 的 Step-Audio-R1.1 语音模型性能超越闭源模型，腾讯开源 Hunyuan Video 与 Hunyuan 3D。
Hugging Face BlogAI 评分2121 Hugging Face 发布 Alyah：面向阿拉伯语 LLM 阿联酋方言能力的评测基准
Hugging Face 团队推出 Alyah（阿联酋方言中意为"北极星"），一个专门评估阿拉伯语 LLM 阿联酋方言能力的基准，包含 1,173 条由阿联酋母语者手工采集的样本，每题四选一。评测覆盖 54 个模型（23 个基座、31 个指令微调），google/gemma-3-27b-pt 以 74.68 的准确率居首，tiiuae/Falcon-H1-34B-Base 为 73.66。
Google ResearchAI 评分2929 Google Research 推出 GIST：智能采样的下一阶段
Google Research 在 NeurIPS 2025 提出 GIST（Greedy Independent Set Thresholding）算法，用于训练数据子集选择，在多样性与效用之间取得平衡。GIST 在图像分类等基准任务上超越现有最优方法，并首次为该权衡提供可证明的近似保证：所选子集价值至少达到最优解的一半。
Google ResearchAI 评分3434 Google Research 验证 Android Auto 急刹车事件可作为路段碰撞风险的先行指标
Google Research 利用 Virginia 和 California 的公开碰撞数据与 Android Auto 匿名聚合的急刹车事件（HBE，减速度超过 -3m/s²）数据，通过负二项回归模型确认 HBE 频率与路段碰撞率呈显著正相关。
Google ResearchAI 评分5151 NeuralGCM 用 AI 改进全球长期降水模拟
Google Research 在 Science Advances 发表论文，介绍混合模型 NeuralGCM 直接使用 NASA 2001 至 2018 年卫星降水观测训练其机器学习部分，而非依赖再分析数据。
Berkeley AI ResearchAI 评分2626 伯克利提出信息驱动的成像系统设计框架，登 NeurIPS 2025
伯克利 AI Research 提出一套基于互信息的成像系统评估与优化框架，可直接从含噪测量中估计信息量，预测系统性能。在彩色摄影、射电天文、无镜头成像和显微成像四个领域验证中，该指标正确排序了不同硬件设计，优化后性能匹配 SOTA 端到端方法，且内存与算力需求更低、无需任务专用解码器设计。
Google ResearchAI 评分2222 Google Research 2025 年度回顾：更激进的突破，更大的影响
Google Research 回顾 2025 年成果：Gemini 3 成为其最强、最注重事实准确性的 LLM，在 SimpleQA Verified 和与 Google DeepMind、Kaggle 联合发布的新 FACTS 基准上达到 SOTA。
Hugging Face BlogAI 评分3434 Transformers v5 重构 Tokenization：更简单、更清晰、更模块化
Hugging Face 在 Transformers v5 中重构了 tokenizer 设计，将 tokenizer 架构与训练好的词表分离，类似 PyTorch 将网络架构与学习权重分离。v5 提供更清晰的内部结构、干净的类层级和单一快速后端，让用户能检查、定制或从零训练模型专属 tokenizer，而非将其视为黑盒。
Hugging Face BlogAI 评分4040 NVIDIA 用 NeMo Evaluator 开源 Nemotron 3 Nano 30B A3B 完整评测方案
NVIDIA 发布 Nemotron 3 Nano 30B A3B，并公开其完整评测配方，基于开源库 NeMo Evaluator 构建，任何人可重跑评测流程并独立核验结果。
Google ResearchAI 评分3131 Google 提出 Urania：用差分隐私从 AI 聊天机器人对话中挖掘使用洞察
Google Research 在 COLM 2025 论文中提出 Urania 框架，通过差分隐私（DP）聚类与 DP 关键词提取，从 LLM 聊天机器人对话中生成使用洞察，且 LLM 只接触匿名关键词、不接触原始对话。与基于 CLIO 的非隐私基线 Simple-CLIO 相比，其隐私摘要在人工评估中最高有 70% 的情况更受 LLM 评审青睐，但隐私预算收紧时主题覆盖度会下降。
Google DeepMindAI 评分4040 Google DeepMind 与 Kaggle 推出 FACTS Benchmark Suite，系统评估大语言模型事实准确性
Google DeepMind 联合 Kaggle 发布 FACTS Benchmark Suite，在原有 FACTS Grounding 基础上新增 Parametric、Search、Multimodal 三项基准，并将 Grounding 升级至 v2，共 3513 个公开样例，另设私有留出集。
Google Research精选AI 评分6262 Google Research 发布 Titans 与 MIRAS，为 AI 引入长期记忆
Google Research 发布两篇论文，提出 Titans 架构与 MIRAS 理论框架，将 RNN 的速度与 Transformer 的精度结合，实现测试时记忆。
推荐理由：Google Research 提出 Titans 架构与 MIRAS 框架，用深度神经网络做长期记忆模块，为超长上下文建模提供新思路。
Google DeepMindAI 评分3939 科学家用 AlphaFold 改造光合作用关键酶，培育耐热作物
密歇根州立大学 Berkley Walker 团队借助 AlphaFold 预测植物与嗜热藻类的甘油酸激酶（GLYK）三维结构，发现植物版 GLYK 的三个柔性环在高温下变形失稳。他们将藻类 GLYK 中更刚性的环替换进植物酶，构建的杂合酶中有一个在高达 65 °C 下仍保持稳定，为培育耐热作物提供了路径。
Hugging Face BlogAI 评分3636 Intel 发布 DeepMath：基于 Qwen3-4B Thinking 与 smolagents 的轻量数学推理 Agent
Intel AI Software Group 推出 DeepMath，一个基于 Qwen3-4B Thinking、用 GRPO 微调并在 smolagents 上实现的数学推理 Agent，通过生成 Python 片段在沙箱中执行来替代冗长文本推理。
OpenAI NewsAI 评分5757 OpenAI 宣布收购 Neptune
OpenAI 宣布收购 Neptune，以加深对模型行为的可见性，并强化研究人员用于追踪实验和监控训练的工具。
Hugging Face Blog精选AI 评分6666 Hugging Face 发布 Transformers v5.0.0rc-0
Hugging Face 发布 Transformers v5.0.0rc-0，距 v4 首个候选版已五年，如今该库每天经 pip 安装超 300 万次，累计安装量超 12 亿次。
推荐理由：官方给出 v5 在模型定义、训练、推理与量化上的重构方向，可据此判断生态工具链的兼容变化。
Google DeepMind精选AI 评分6262 AlphaFold 助力解析心脏病关键蛋白 apoB100 结构
Google DeepMind 介绍一项由 AlphaFold 参与的研究，科学家解析了“坏胆固醇”关键蛋白 apoB100 的结构。密苏里大学研究者先用冷冻电镜拍摄 LDL 颗粒图像，再由物理学家用 AlphaFold 生成原子级结构预测并与电镜数据比对，最终得到笼状外壳和带状结构的模型。该结构有望帮助更精准地预防、诊断和治疗高胆固醇与动脉粥样硬化性心血管疾病。
推荐理由：AlphaFold 与冷冻电镜结合解析 apoB100 结构，读者可了解 AI 在结构生物学中的具体用法。
Google ResearchAI 评分2222 Google 用简单线性回归模型预测电动车充电桩可用性，缓解续航焦虑
Google 设计了一个轻量级线性回归模型，预测某充电站在未来若干分钟后充电端口可用的概率，用于将充电站纳入 EV 导航路线以缓解续航焦虑。模型仅以一天中各小时作为特征，在 30 至 60 分钟预测区间、100 个随机站点上评估，性能超过"保持当前状态"这一强基线，主要优势在于识别高占用率变化的关键时刻。
Hugging Face Blog精选AI 评分6262 Hugging Face TRL 集成 RapidFire AI，微调实验提速最高 20 倍
Hugging Face TRL 正式集成 RapidFire AI，用户可发现、安装并运行它来并发比较多组微调与后训练配置，无需大幅改代码，也不额外增加 GPU 需求。
推荐理由：官方给出与 TRL 的集成方式和并发调度机制，读者可据此判断多配置微调实验的提速空间。
Google DeepMindAI 评分5858 Google DeepMind 发布 WeatherNext 2 天气预报模型
Google DeepMind 与 Google Research 发布 WeatherNext 2，称其生成预报速度比前代快 8 倍，分辨率最高可达 1 小时。
Google ResearchAI 评分3838 Google DeepMind 发布 Natural Forests of the World 2020：10 米分辨率天然林地图
Google DeepMind 联合 Google Research 发布 Natural Forests of the World 2020，这是首个全球一致、10 米分辨率、可区分天然林与其他树木覆盖的地图数据集，独立数据集验证准确率达 92.2%。
Google ResearchAI 评分4242 Google 发布 JAX-Privacy 1.0，为大规模机器学习提供差分隐私训练工具
Google 发布 JAX-Privacy 1.0，这是构建在 JAX 之上、用于训练和审计差分隐私（DP）模型的工具库，重新设计以提升模块化，支持 DP-SGD、DP-FTRL 及 DP matrix factorization 等算法。
Google DeepMindAI 评分4444 Google DeepMind 研究：让 AI 像人类一样看世界
Google DeepMind 在 Nature 发表新论文，提出三步对齐方法，将视觉模型的内部表征重组得更接近人类认知。研究基于 THINGS 数据集训练 SigLIP-SO400M 适配器生成百万级图像的 AligNet 数据集，再微调其他模型，使其在"找不同"任务上更符合人类判断，并提升鲁棒性与泛化能力。
Google ResearchAI 评分5454 Google 提出 Nested Learning：面向持续学习的新机器学习范式
Google Research 在 NeurIPS 2025 论文《Nested Learning: The Illusion of Deep Learning Architectures》中提出 Nested Learning，把模型架构与优化算法视为同一套相互嵌套、同时优化的多层级学习问题，以缓解持续学习中的灾难性遗忘。
Google ResearchAI 评分4040 Google 发布 DS-STAR：面向异构数据的最先进数据科学智能体
Google 推出数据科学智能体 DS-STAR，通过数据文件分析、LLM 评判验证与顺序规划迭代三项机制，在 DABStep、KramaBench、DA-Code 三个基准上全面超越 AutoGen 和 DA-Agent，准确率分别从 41.0% 提升至 45.2%、39.8% 提升至 44.7%、37.0% 提升至 38.5%，并登顶 DABStep 公开榜单。
Google ResearchAI 评分4141 Google 发布 ForestCast：用深度学习预测森林砍伐风险
Google 发布 ForestCast，用纯卫星数据训练的深度学习模型预测森林砍伐风险，并公开首个相关基准数据集。模型基于 vision transformers，仅用 Landsat 和 Sentinel 2 卫星数据及"变化历史"输入，精度可匹配或超过依赖道路等专用地图的传统方法。研究显示"变化历史"是最关键输入，单独使用即可达到与全量原始卫星数据相当的精度。
OpenAI News精选AI 评分7171 OpenAI 与 AWS 达成 380 亿美元多年战略合作
OpenAI 与 AWS 宣布达成多年期、金额 380 亿美元的战略合作，用于扩展先进 AI 工作负载。AWS 将提供基础设施与算力，支撑 OpenAI 下一代模型。
推荐理由：OpenAI 与 AWS 签下 380 亿美元多年协议，读者可据此观察前沿模型算力供应格局的变化。
Berkeley AI ResearchAI 评分3232 不依赖 TD 学习的强化学习：用分治法扩展 off-policy RL
一篇新文章提出用"分治法"替代时序差分（TD）学习来做 off-policy 强化学习，通过将轨迹对半切分并组合子段价值来更新价值函数，理论上把 Bellman 递归次数从线性降到对数级。作者与 Aditya 合作的工作首次将分治式价值学习扩展到 goal-conditioned RL 这类复杂任务，并给出基于三角不等式的传递性 Bellman 更新规则。难点在于如何选取最优子目标 w。
Google ResearchAI 评分4242 Google Research 发布 Earth AI、DeepSomatic 与 Quantum Echoes 等研究进展
Google Research 在 Research@ 活动上公布三项进展：Earth AI 整合地理空间模型与 LLM 推理，其河流洪水模型覆盖 150 个国家超 20 亿人；开源癌症变异识别工具 DeepSomatic 发表于 Nature Biotechnology，并与 Google DeepMind 联合发布 270 亿参数的单细胞分析基础模型 C2S-Scale。