Google Research 研究跨人群基因组预测的迁移学习
Google Research 用 UK Biobank 欧洲人群与 Biobank Japan 近 20 万日本人群数据，在 8 项临床指标上评估多基因风险评分（PRS）的跨人群迁移效果。结果显示，目标人群样本达 15k 以上时，专用模型优于混合欧洲数据训练；而遗传相关性高的性状可继续受益于欧洲数据直至 25-40k+ 样本。研究还比较了 meta-analysis 与 PRS-CSx 等方法。
#数据/训练
#数据/训练
今日 2 条Google ResearchAI 评分2626 Google Research精选AI 评分6262 Google 与 HHMI Janelia 等发布完整雄性果蝇脑图谱
Google 与 HHMI Janelia 及剑桥等合作者发布雄性果蝇脑和中枢神经系统的完整连接图谱，成果发表于 Cell，包含超过 166,000 个神经元和 1.25 亿个突触连接，是迄今按神经元数量计算最大的脑图谱。
推荐理由：Google 与 HHMI Janelia 等合作发布迄今神经元数量最大的脑图谱，读者可了解 AI 在连接组学中的具体作用。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型
Google DeepMind 与 Google Research 发布 WeatherNext 3，称其为迄今最先进、最准确的全球天气模型，并已接入 Search、Gemini、Google Maps、Google Maps Platform 和 Cloud。
推荐理由：官方给出分辨率、更新频率与降水精度等具体指标，可据此判断 AI 天气预报在实时数据上的进展。
Hugging Face BlogAI 评分3434 用 TRL 和 OpenEnv 训练编码模型画水彩：Qwen3.5-35B-A3B 开源复现全流程
Hugging Face 上有人用 TRL 和 OpenEnv 开源复现了让语言模型画水彩的完整流程，模型通过 p5.brush 写约 150 行 JavaScript 作画。
Hugging Face BlogAI 评分3838 用 100 步 GRPO 微调 LFM2.5-350M 提升结构化输出
一份公开的低成本方案用 TRL 的 GRPO 对 LFM2.5-350M 做微调，仅约 500 条样本、100 个训练步，就把 IFStruct 基准分数从 22.6% 提升到 29.7%，训练可在免费版 Colab 或 Kaggle GPU 上完成。评测通过 llama.cpp 在本地 MacBook 上运行，代码已开源在 GitHub。
Hugging Face BlogAI 评分3636 Hugging Face 推出 BenchMIRT：审计 LLM benchmark 到底在测什么
Hugging Face 发布 BenchMIRT，一种在单条 prompt 层面审计 LLM benchmark 的多维 IRT 方法，基于 100 个 LLM、16 个 benchmark、超 34K 道题训练，在未被告知各 benchmark 测什么的情况下自行恢复出安全与通用推理两个主导维度。
Google ResearchAI 评分3838 Google 用深度学习从太空绘制全球甲烷排放地图
Google Research 提出 MAPL-EMIT，一个基于 Swin-S 视觉 Transformer 的深度学习框架，可从 NASA EMIT 高光谱卫星数据中自动检测、预测增强并定位甲烷羽流，在专家标注羽流上召回率达 84%。
Google Research精选AI 评分6060 Google 发布 TimesFM-3 多变量零样本时间序列基础模型
Google Research 发布 TimesFM-3，这是其新一代时间序列基础模型，原生支持多变量预测，参数量 3.3 亿，预训练语料超过 1 万亿个时间点。
推荐理由：TimesFM-3 把多变量预测做成零样本单次前向，读者可据此判断时间序列基础模型的当前能力边界。
Microsoft ResearchAI 评分4040 微软发布 GigaPath-Flash 与 GigaTIME-Flash：高效病理基础模型迈向群体级发现
微软研究院推出 GigaPath-Flash 和 GigaTIME-Flash，以蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干替代原模型，在 PANDA 前列腺分级和 EBRAINS 脑肿瘤分型基准上以约 50 倍更少算力达到原 GigaPath 3% 以内的性能。
Google Research精选AI 评分6262 Google Earth AI 推出行星预测引擎 PPE，自动完成地理空间建模全流程
Google Research 在 Google Earth AI 下推出实验性研究能力 planetary prediction engine（PPE），可依据自然语言查询自主完成地理空间数据发现、特征工程、模型训练评估并生成报告，把原本需要数周人工数据工程的建模流程压缩到数分钟。
推荐理由：原文给出 PPE 在公共卫生、粮食安全与疫情预测上的具体基准对比，可据此判断自主地理空间建模的可行边界。
Google ResearchAI 评分3636 Google 推出 GlucoFM：面向连续血糖监测的基础模型
Google 发布 GlucoFM，一个采用双流设计的自监督基础模型，将血糖的缓慢基线趋势与短期波动分离，并保留时间与缺失信息。
Google ResearchAI 评分4141 Google 推出 Biomarker Discovery Framework：从可穿戴传感器数据中优先筛选候选生物标志物
Google 推出 Biomarker Discovery Framework，一个在人类监督下将候选生物标志物优先级排序结构化为迭代研究循环的多智能体系统，结合假设生成、并行统计分析、模型训练、对抗验证与文献推理。
Google ResearchAI 评分2727 Google Research 如何用移动性数据让语言模型更深入理解地点
Google Research 提出 Mobility-Embedded POIs（ME-POIs）框架，将匿名聚合的移动性模式（到达时间、停留时长、周边活动）与文本描述结合，为地点生成同时编码身份与动态功能的嵌入向量。
Microsoft ResearchAI 评分4242 微软 Skala 1.1 发布：训练数据增 2.5 倍，已接入 CP2K 并将集成 Psi4、FHI-aims、ORCA 和 VASP
微软研究院发布深度学习交换关联泛函 Skala 1.1，训练数据量为此前公开版本的 2.5 倍，在 GMTKN55 的 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用，并正集成进 Psi4、FHI-aims、ORCA 和 VASP，同时微软推出持续追踪各版本计算性能的 living benchmark。
Hugging Face Blog精选AI 评分6262 IBM Research：智能体到底需要多少记忆？
IBM Research 在 Hugging Face 发布 ALTK-Evolve 研究，用 AppWorld 的 585 个多步任务测试八款模型，发现智能体记忆不是开关而是需要按模型校准的剂量。
推荐理由：八模型横评显示智能体记忆的注入量需按模型能力校准，并给出准确率与 token 成本的对照数据。
Hugging Face BlogAI 评分3838 Hugging Face 推出约束感知 GPU 分配器：同集群利用率最高提升 33 个百分点
Hugging Face 构建了约束感知的 GPU 分配器，在七个基准场景中与 FIFO 调度器对比，相同硬件和负载下 GPU 利用率最高提升 33 个百分点，优先级加权产出在所有场景中均上升，最高提升 105%。在五个真实争用场景中，利用率从 52–85% 提升至 72–88%，优先级加权价值提升 24.6% 至 105.1%，平均 52%。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 2026 夏季开源模型观察报告
Hugging Face 发布 2026 年 1 月至 8 月的开源模型生态观察报告，基于 Hub 数据给出六项发现。报告显示公开模型仓库从 243 万增至 296 万，数据集从 71.1 万增至 100 万，Spaces 从 100 万增至 144 万；约 85.6% 的模型累计下载不足 200 次，1.5% 的仓库占据 99.2% 的下载量。
推荐理由：Hugging Face 用七个月的 Hub 数据拆开开源模型的下载、点赞与衍生生态，读者可据此判断谁在被真正使用。
Hugging Face Blog精选AI 评分7171 Hugging Face 复现 2200 余篇 ICML 论文，公开全部判定数据
Hugging Face 在 7 月 15 日至 8 月 2 日举办 ICML 2026 开放复现挑战，1211 名社区成员用 Claude Code、Codex、Cursor 等编码智能体提交了 6816 份 Trackio logbook，覆盖 2226 篇论文，约占会议论文的三分之一。
推荐理由：Hugging Face 公开了 2200 余篇 ICML 论文的复现结果与判定数据，读者可据此了解大规模论文复现的组织方式与发现。
Hugging Face BlogAI 评分3434 Hugging Face 为 OlmoEarth Studio 推出自定义嵌入向量导出功能
Hugging Face 的 OlmoEarth Studio 现已支持计算并导出嵌入向量，用户可通过 UI 或 API 选择区域、时间范围、编码器变体、分辨率和影像源，获得 Cloud-Optimized GeoTIFF（COG）格式输出。
Google Research精选AI 评分6262 Google Research 提出知识画像框架：召回而非编码是参数化事实性的瓶颈
Google Research 发布研究，提出知识画像（knowledge profiling）行为框架，同时测量大语言模型对事实的编码与召回，并配套推出包含 2,150 条维基百科事实、每条配 10 个问题的 WikiProfile 基准。
推荐理由：通过知识画像区分编码与召回失败，指出前沿模型的事实错误更多来自知识可及性而非知识缺失。
Microsoft ResearchAI 评分3838 微软研究院推出 CARE-X：面向临床可用的放射学 VLM，融合辅助监督、奖励对齐学习与工具增强测量
微软研究院发布研究模型 CARE-X，一个统一胸部 X 光 VLM，结合生成与结构化预测，覆盖报告生成、疾病分类、定位与器械置管评估等任务。它采用强化学习 DAPO 在多任务设置下奖励临床正确性，并在另一项实验中把 Qwen3-VL-4B-Instruct 与确定性测量工具配对，评估直接计算能否改善测量依赖型病症的表现。
Hugging Face BlogAI 评分3838 Hugging Face 提出离线 Top-K Logits 与融合分块 KL 损失，让知识蒸馏可大规模运行
Hugging Face 最新论文提出两项系统改动降低 LLM 知识蒸馏成本：离线缓存教师模型每位置的 top-100 logits，使教师无需与学生同时驻留显存；融合分块 KL 损失避免生成完整的词表×序列长度矩阵。
Google DeepMind精选AI 评分7878 Google DeepMind 开源 WeatherNext 气旋预报模型
Google DeepMind 发布 WeatherNext AI 模型，在气旋路径、强度和风场结构预测上达到 SOTA，平均多出一天预警时间，相当于气象领域十年的进步。
推荐理由：原文给出气旋预报精度提升与开源权重，读者可据此判断气象 AI 在业务预报中的可用边界。
Google Research精选AI 评分6262 Google Research 发布 Science One Framework：用 Chain-of-Evidence 实现可验证自主研究
Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并据此构建自主研究原型 Science One Framework，通过 Problem Investigator、Discovery Engine 和 Paper Writer/Claim Verifier 三个模块在生成时构建证据链。
推荐理由：Google Research 提出可验证自主研究框架，用证据链约束引用、代码与分数，并给出与多个基线的对比结果。
Hugging Face BlogAI 评分2222 GPU 管理：为什么闲置 GPU 是新的停场飞机
Hugging Face 博客指出，AI 的下一个真正约束是 GPU 利用率而非智能水平。GPU 按日历小时计费，却只按计算小时产出，企业自购 GPU 后问题从"能否买到"变成"能否让它们保持忙碌"。文章以航空业停场飞机作类比，强调集群即使满载也可能浪费大部分潜力，因为 GPU 全天运行而需求并不持续。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互摘要
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以应对长程交互中上下文无法无限扩展的问题。在 CollabBench 协作编程任务上，基于重构的信念评分（rec-BG）将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也低于全上下文设置。
Google DeepMindAI 评分4242 Google 承诺 4000 万美元 AI tokens 与云 credits 支持白宫 Genesis Mission
Google 在 DOE Genesis Mission Summit 2026 上宣布投入 4000 万美元 AI tokens 和云 credits，支持 Genesis Mission 的科研人员。
Hugging Face BlogAI 评分2222 DharmaOCR 在巴西葡萄牙语 OCR 基准上超越 Mistral OCR4 与 Unlimited-OCR
DharmaOCR 在葡萄牙语 OCR 基准上取得 0.925 分，高于 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587。该模型通过葡萄牙语监督微调加 DPO 两阶段训练，将全部参数集中于巴西葡萄牙语，从而在提取质量与稳定性上保持优势。
Google ResearchAI 评分2929 Google Research 揭示扩散模型创造力来源：score smoothing 如何让模型学会插值
Google Research 在 ICLR 2026 论文中揭示，扩散模型的创造力源于神经网络训练中的 score smoothing——正则化使学到的 score function 变平滑，让去噪过程在训练数据点之间插值，从而生成新样本。
OpenAI NewsAI 评分2222 ChatGPT Work 的数据科学工作流
OpenAI 介绍 ChatGPT Work 在数据科学场景中的实用工作流，覆盖根因简报、KPI 备忘录、范围界定分析和仪表盘规格四类任务。
Google Research精选AI 评分6262 Google 发布 SensorFM：面向可穿戴健康数据的通用基础模型
Google Research 与 Google DeepMind 提出 SensorFM，一个直接从无标注可穿戴数据学习的大型传感器基础模型，预训练语料为五百万名知情同意参与者、超一万亿分钟的多模态传感器信号，覆盖 100 多个国家、50 个美国州和 20 多款 Fitbit 与 Pixel Watch 设备。
推荐理由：Google 用五百万人的一万亿分钟传感器数据预训练通用可穿戴健康模型，读者可了解其自监督缺失感知设计与跨任务泛化表现。
Berkeley AI ResearchAI 评分3434 智能免费之后：面向智能体、由智能体运行、由智能体构建的数据系统
UC Berkeley 团队提出，随着推理价格从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不足 $1、部分低于 $0.10，数据系统需应对三大新挑战：为智能体设计（Data Systems For Agents）、运行智能体集群（Of Agents）、由智能体合成（By Agents）。
Hugging Face BlogAI 评分3030 PRX Part 4：我们的数据策略
Hugging Face 发布 PRX 系列第四篇，详解其数据策略：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。团队用 Lance 构建、MDS 流式训练，图像统一编码为 JPEG quality 92，并将文本编码器从 T5Gemma 换成 Qwen3-VL、改为训练中实时计算文本 latent，实测吞吐仅损失约 3–4%。
Google ResearchAI 评分3838 Google Research 将 Heat Resilience 屋顶反射率数据扩展至全球 50+ 城市
Google Research 将建筑级屋顶反射率（albedo）数据集从 2024 年试点的 14 座城市扩展至 9 个国家 50+ 城市，并通过新的 Heat Resilience Earth Engine App 开放访问。
Google Research精选AI 评分7676 Google 发布表格数据零样本基础模型 TabFM
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问题，无需手动训练、超参数调优和特征工程即可在单次前向传播中给出预测。
推荐理由：Google 把零样本思路从时序预测搬到表格数据，读者可了解其架构设计与 TabArena 基准表现。
OpenAI NewsAI 评分2828 OpenAI 推出 GeneBench-Pro 基准
OpenAI 发布 GeneBench-Pro，一个用复杂真实数据集测试 AI 在基因组学、生物学和科研领域表现的新基准。
Hugging Face BlogAI 评分2222 DiScoFormer：一个 Transformer 同时估计任意分布的密度与 score
Hugging Face 博客介绍 DiScoFormer（Density and Score Transformer），一个无需重训练、单次前向即可从数据点估计分布密度与 score 的模型。
Google ResearchAI 评分2626 Google 用线性弹性缓存优化云成本，Spanner 内存用量降 15.5%
Google Research 提出线性弹性缓存，将页面淘汰建模为滑雪租赁问题，用轻量机器学习动态调整缓存大小。在 Spanner 生产环境测试中，内存用量减少 15.5%，缓存未命中仅增加 5.5%，总拥有成本（TCO）降低约 5%，实际 I/O 成本影响仅 0.5%。该方案用浅层决策树预测页面 TTL，已在 Spanner 生产服务器集成数月。
Hugging Face Blog精选AI 评分6060 NVIDIA NeMo AutoModel 发布：MoE 微调吞吐提升 3.4-3.7 倍
NVIDIA 在 Hugging Face 博客发布开源库 NeMo AutoModel，基于 Transformers v5 构建，为 MoE 模型微调加入 Expert Parallelism、DeepEP 融合 all-to-all 调度和 TransformerEngine 内核。
推荐理由：原文给出 NeMo AutoModel 在 MoE 微调上的吞吐与显存对比，读者可据此判断是否值得替换现有训练栈。
Hugging Face BlogAI 评分4646 MosaicLeaks：你的深度研究智能体会泄密吗？
Hugging Face 博客提出 MosaicLeaks，用 1001 条多跳研究链评测深度研究智能体的隐私泄漏，攻击者仅凭外部查询日志即可推断私有信息。测试中智能体频繁泄漏，且只优化任务表现会加剧泄漏；其提出的 PA-DR 强化学习方法将严格链成功率从 48.7% 提升至 58.7%，同时把答案/全信息泄漏从 34.0% 降至 9.9%。