Google 在 Flood Hub 上线城市山洪预报，提前 24 小时预警
Google 宣布在 Flood Hub 上线城市山洪（flash flood）预报，借助新的 AI 方法可提前最多 24 小时预测城市区域的山洪风险。
推荐理由：Google 把洪水预报从河流扩展到城市内涝，并给出与 NWS 同口径的精度对比，可据此判断全球预警覆盖的差距。
#数据/训练
#数据/训练
今日 5 条Google Research精选AI 评分6666 Google Research精选AI 评分6262 Google 推出 Groundsource，用 Gemini 将新闻报道转为灾害数据
Google Research 推出 Groundsource，用 Gemini 从新闻报道中抽取结构化灾害事件数据，首个开放数据集收录 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。
推荐理由：Google 用 Gemini 从 80 种语言的新闻中抽取洪水事件，其人工核验准确率与覆盖范围可供评估 LLM 做数据抽取的可行性。
Hugging Face BlogAI 评分3636 Hugging Face 调研 16 个开源 RL 库：异步训练如何让 GPU 不再空转
Hugging Face 调研了 16 个围绕异步训练构建的开源 RL 库，并按编排原语、缓冲区设计、权重同步协议、staleness 管理、部分 rollout 处理、LoRA 支持、分布式训练后端 7 个维度进行对比。
Hugging Face Blog精选AI 评分6060 Hugging Face Hub 推出 Storage Buckets 可变对象存储
Hugging Face Hub 推出 Storage Buckets，一种面向生产 ML 中间产物的可变、类 S3 对象存储，可在 Hub 浏览、用 Python 脚本操作或通过 hf CLI 管理。
推荐理由：官方给出 Buckets 的定位与 Xet 去重、预热的取舍，可据此判断它是否适合替代现有中间产物存储流程。
Google DeepMindAI 评分2828 AlphaGo 十周年：从围棋到生物学，DeepMind 回顾其科学影响
Google DeepMind 发文回顾 AlphaGo 击败围棋世界冠军十周年，称其标志着现代 AI 时代的开端。此后该技术路线催生了 AlphaFold 2，预测出科学界已知的 2 亿个蛋白质结构并开源，2024 年 Demis Hassabis 与 John Jumper 因此获诺贝尔化学奖。
Hugging Face BlogAI 评分4040 Ulysses 序列并行：如何用百万 token 上下文训练大模型
Snowflake AI Research 的 Ulysses 序列并行（属于 ALST 协议）通过注意力头并行把注意力计算分散到多张 GPU，支持百万级 token 上下文训练。
Hugging Face Blog精选AI 评分6262 LeRobot v0.5.0 发布：首次支持 Unitree G1 人形机器人
LeRobot v0.5.0 发布，自 v0.4.0 以来合并 200 多个 PR、新增 50 多位贡献者，首次加入 Unitree G1 人形机器人支持，覆盖行走、操作、遥操作与全身控制。
推荐理由：从硬件、策略到数据管线逐项列出变化，可据此判断开源机器人栈当前覆盖到哪一步。
Google Research精选AI 评分6060 Google Research 发布 WAXAL：覆盖 27 种非洲语言的开放语音数据集
Google Research 发布 WAXAL，一个覆盖 27 种撒哈拉以南非洲语言的大规模开放语音数据集，采用 CC-BY-4.0 许可。数据集包含约 1,846 小时用于 ASR 的转写自然语音，以及超过 565 小时用于 TTS 的高保真录音，由非洲高校与社区组织主导采集，覆盖 26 个以上国家、超过 1 亿使用者。
推荐理由：Google Research 联合非洲高校发布 27 种语言的开放语音数据集，可了解低资源语音数据的采集方法与许可条件。
Hugging Face BlogAI 评分3434 如何在嵌入式平台部署机器人 AI：数据集录制、VLA 微调与端侧优化
Hugging Face 博客发布 NXP 的嵌入式机器人 AI 实践指南，涵盖机器人数据集录制、VLA 策略微调（ACT 与 SmolVLA）以及端侧优化。NXP 以"把茶包放进杯子"任务为例，用 3 个摄像头（顶部、夹爪、左侧）录制 120 个 episode，并指出异步推理需让端到端延迟短于动作执行时长。指南还介绍了 NXP i.MX 95 SoC 优化后的实时性能表现。
OpenAI News精选AI 评分6262 OpenAI 发布 ChatGPT for Excel 及金融数据集成
OpenAI 发布 ChatGPT for Excel 和新的金融应用集成，由 GPT-5.4 驱动，用于在受监管环境中加速建模、研究与分析。
推荐理由：OpenAI 官方发布 ChatGPT for Excel 并接入金融数据源，可了解 GPT-5.4 在受监管场景中的落地方式。
Google ResearchAI 评分4040 Google 用贝叶斯教学让 LLM 学会概率推理
Google Research 提出"贝叶斯教学"，通过监督微调让 LLM 模仿贝叶斯助手的预测，从而学会概率推理。在五轮模拟航班推荐任务中，未经训练的 LLM 表现远逊于最优贝叶斯助手，且往往在单次交互后性能就停滞；而贝叶斯教学不仅提升了该任务表现，还能泛化到其他任务。
Hugging Face BlogAI 评分4444 PRX Part 3：24 小时训练一个文本到图像扩散模型
Hugging Face 博客发布 PRX 系列第三篇，用 32 张 H200、约 1500 美元算力预算在 24 小时内完成文本到图像扩散模型训练，并开源训练代码与实验框架。该方案采用 x-prediction 在像素空间直接训练、无需 VAE，并叠加 LPIPS 与 DINOv2 感知损失、TREAD token 路由、REPA 表征对齐和 Muon 优化器。
Hugging Face Blog精选AI 评分6262 Hugging Face 详解 transformers 如何支持 MoE 架构
Hugging Face 发布博客，讲解 transformers 库为支持 MoE 稀疏架构所做的工程改造，涵盖权重加载重构、专家后端、专家并行和 MoE 训练四个方面。
推荐理由：Hugging Face 官方拆解 transformers 为 MoE 重做的权重加载、专家后端与并行方案，并给出 v4 与 v5 的加载耗时对比。
Hugging Face Blog精选AI 评分6262 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。
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。