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 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 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 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 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 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 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 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 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 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 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。
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。
MiniMax M2 在 post-training 的智能体对齐阶段提出，智能体泛化不只是适配新工具，而是要在工具信息、系统提示词、用户提示词、环境和工具返回等全流程扰动下保持稳定。团队因此采用 Interleaved Thinking，让思考过程贯穿任务全程而非仅在开头，并构建了面向全轨迹泛化的数据管线。M2 用户需保留包含思考步骤的完整会话历史，否则会出现性能差距。
Hugging Face 发布长文分析全球 AI 算力格局的变化，指出中国开源权重模型的推理已开始由华为昇腾、寒武纪等国产芯片承载，部分模型开始用国产芯片训练。
推荐理由：梳理美国出口管制与中国国产芯片、开源模型之间的因果链，并给出从硬件到软件栈的替代进展时间线。
NVIDIA 发布 Isaac for Healthcare v0.4，提供基于 SO-ARM 的端到端入门工作流，覆盖数据采集、GR00T N1.5 后训练与真机部署。该流程中超过 93% 的训练数据由仿真合成生成，混合约 70 个仿真 episode 与 10-20 个真实 episode，可在单台 DGX Spark 上完成仿真、训练与部署。
Hugging Face 改进 datasets 库的流式加载，load_dataset(streaming=True) 接口保持不变，启动请求最多减少 100 倍、数据文件解析快 10 倍、流式速度最多提升 2 倍。
推荐理由：官方给出流式加载的请求数、解析时间和吞吐变化，读者可据此判断大规模训练的数据管线是否值得切换。
Hugging Face 发起 AI for Food Allergies 项目，计划打造首个社区驱动的研究实验室，探索 AI 如何推进食物过敏研究。全球约 2.2 亿人患有至少一种食物过敏，美国约占总人口 10%。项目将连接前沿 AI 与生物医学，开发开放协作项目，服务研究者、临床医生和患者。
NVIDIA 发布 Nemotron-Personas-India，首个对齐印度真实人口、地理与文化分布的开放合成 Indic 人物数据集，采用 CC BY 4.0 许可。
三星与 SK 加入 OpenAI 的 Stargate 计划，共同扩展全球 AI 基础设施。双方将在韩国扩大先进存储芯片产能，并建设下一代数据中心。
推荐理由：三星与 SK 加入 Stargate，读者可了解该计划在韩国扩产存储芯片与新建数据中心的具体分工。
NVIDIA 发布首个面向日本的主权 AI 开源合成数据集 Nemotron-Personas-Japan，含 600 万条日语合成人物画像（100 万条记录、每条 6 个画像），总 token 约 14 亿，采用 CC BY 4.0 许可，可商用。
Hugging Face 发布低代码/无代码框架 SyGra，用于为 LLM 和 SLM 生成、转换与对齐数据集。该框架以 Python 库形式提供，支持 vLLM、Hugging Face TGI、Triton、Ollama 等多种推理后端，可覆盖 Q&A 生成、SFT 到 DPO 偏好对构建、推理增强、多语言转换及质量过滤等场景。
Hugging Face 发布 LeRobotDataset v3.0，将多个 episode 打包进单个文件，并用关系型元数据在 episode 级别检索信息，解决 v2 单文件单 episode 在百万级数据集上的文件系统瓶颈。
WRITER 发布 Palmyra-mini 系列三款开源模型，参数规模 1.5B 至 1.7B，包括非思考基础版 palmyra-mini 及两款经 CoT 训练的推理变体 palmyra-mini-thinking-a 和 palmyra-mini-thinking-b。
Hugging Face 发布 Jupyter Agent 项目，通过生成高质量 notebook 训练数据并微调 Qwen3-4B，使其在 DABStep 数据科学基准上成为最强小模型智能体。
Hugging Face 发布 mmBERT，一个基于 ModernBERT 架构的多语言编码器模型，在 1800 多种语言、超 3T token 上训练，成为首个在性能上超越 XLM-R 的多语言模型。base 版含 110M 非嵌入参数（总计 307M），采用三阶段训练与逆掩码率调度（30%→15%→5%），在 GLUE 和 XTREME 基准上均取得显著提升。
SandboxAQ 在 Hugging Face 上开源 SAIR 数据集，包含超 500 万个 AI 生成的高精度蛋白质-配体 3D 结构，每个结构均配有 ChEMBL 或 BindingDB 的实验 IC₅₀ 标签，采用 CC BY 4.0 许可免费开放。
伯克利 AI 研究团队证明，在若干温和近似条件下，word2vec 的学习问题可化简为无权重最小二乘矩阵分解，其梯度流动力学有闭式解，最终学到的表示等价于对目标矩阵 M* 做 PCA。该矩阵仅由词共现概率 P(i,j) 与一元概率 P(i) 定义，从小初始化训练时模型按离散步骤逐个学习正交线性子空间，每步提升嵌入矩阵的秩并降低损失，理论预测与数值实验高度吻合。
OpenAI 与 Retro Bio 借助专用 AI 模型 GPT-4b micro，设计出用于干细胞疗法和长寿研究的更有效蛋白质。该模型专为生命科学场景打造，目标是加速相关研究进程。
NVIDIA 发布 Nemotron Post-Training Dataset V2，将此前英文推理数据翻译为法语、德语、意大利语、日语和西班牙语五种语言，共 600 万多语言推理样本。
推荐理由：NVIDIA 公开了多语言推理数据集的构建流程与筛选比例，读者可据此了解后训练数据的翻译与幻觉控制方法。
Kimina Prover 团队开源 kimina-prover-rl 训练管线，基于 DeepSeek-R1 式"先推理后生成"范式，用于 Lean 4 形式化定理证明，并完全兼容 Verl 框架。
Hugging Face 发布 FilBench 评测套件，覆盖 Tagalog、Filipino 和 Cebuano 三种菲律宾语言，包含文化知识、经典 NLP、阅读理解、生成四大类共 12 项任务，并基于 Lighteval 构建。
Hugging Face 发布开源无代码工具 AI Sheets，可在表格界面中通过提示词构建、转换和丰富数据集，支持调用 Hub 上数千个开放模型（含 OpenAI 的 gpt-oss）或本地模型。
推荐理由：Hugging Face 官方开源的无代码数据集工具，读者可了解如何用开放模型批量构建、标注和评测数据。
Hugging Face 在 Accelerate 中联合 Axolotl 集成了 ND-Parallel 功能，支持在训练脚本中任意组合数据并行、FSDP、张量并行与上下文并行等策略。
Hugging Face 的 TRL 新增面向视觉语言模型的对齐支持，包括混合偏好优化 MPO、多模态 GRPO 以及 Qwen 提出的 GSPO，并扩展 RLOO 和 Online DPO 到 VLM。
推荐理由：TRL 把 MPO、GRPO、GSPO 等对齐方法扩展到视觉语言模型，并给出可直接运行的训练脚本，读者可据此判断多模态后训练的工具选择。
Hugging Face 推出 3LM（علم），一个专门评测阿拉伯语 LLM 在 STEM 与代码生成上表现的多组件基准，包含 865 道原生 STEM 选择题、1744 道合成高难度选择题，以及翻译成阿拉伯语的 HumanEval+ 与 MBPP+ 代码任务。
Mistral 用 LoRA 微调 Pixtral-12B 处理卫星图像，在 Aerial Image Dataset（8000 训练/2000 测试样本）的分类任务上显著优于基座模型，基座模型常把 Playground 误判为 Stadium，且会幻觉出不存在的类别名。
Hugging Face 发布开源免费的实验追踪 Python 库 Trackio，提供本地 Gradio 仪表盘，并可同步到 Hugging Face Spaces 分享。
PyArrow 和 Pandas 现已支持 Parquet 内容定义分块（CDC），可在 Hugging Face 的 Xet 存储层上对 Parquet 文件高效去重，只上传或下载发生变化的 chunk，从而降低传输与存储成本。
Mistral AI 联合 Carbone 4 和法国生态转型署（ADEME）完成首个 AI 模型全生命周期分析，并公开 Mistral Large 2 的环境足迹：截至 2025 年 1 月，训练与 18 个月使用共产生 20.4 ktCO₂e、消耗 281 000 m³ 水、660 kg Sb eq 资源消耗。
Arc Institute 发起 Virtual Cell Challenge，要求参赛者训练模型预测 CRISPR 沉默某个基因对（部分）未见细胞类型的影响，即"上下文泛化"。