Google 研究：用 Pixel Watch 智能手表估算步态指标，精度媲美手机
Google 研究团队提出基于时序卷积网络（TCN）的多头深度学习模型，仅凭单只 Pixel Watch 的 IMU 信号和用户身高，即可直接估算步速、步长、摆动时间、支撑时间等多项步态指标。在 246 名参与者、约 7 万个步行片段的大规模验证中，手表估算在多数指标上达到 Pearson r >0.80、ICC >0.80，与 Pixel 6 手机估算无显著差异（p >0.05）。
#数据/训练
#数据/训练
今日 5 条Google ResearchAI 评分4040
Google ResearchAI 评分4646 Google Research 研究：Android Auto 急刹车事件可作为路段碰撞风险的先行指标
Google Research 验证 Android Auto 采集的急刹车事件（HBE）与路段实际碰撞率存在显著正相关，可作为道路安全的先行指标。研究结合弗吉尼亚州和加州 10 年公开碰撞数据与匿名聚合 HBE 数据，发现观测到 HBE 的路段数量是报告碰撞路段的 18 倍。
Google Research精选AI 评分6161 NeuralGCM 借助 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 直接以 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。
推荐理由：NeuralGCM 改用卫星降水观测训练后，在 15 天预报和数十年气候模拟上均优于传统模型，可看混合建模路线的新进展。
Berkeley AI ResearchAI 评分3232 伯克利 AI 研究：用信息量直接评估与优化成像系统
伯克利 AI 研究团队提出一套基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化测量对物体的区分能力，无需重建算法或任务专用解码器。该信息指标在彩色摄影、射电天文、无透镜成像和显微成像四个领域均能预测下游解码性能，优化后的设计可媲美 SOTA 端到端方法，且内存和算力需求更低。相关成果发表于 NeurIPS 2025 论文。
Hugging Face BlogAI 评分3838 Hugging Face 发布 Falcon-H1-Arabic：混合 Mamba-Transformer 架构的阿拉伯语模型家族
Hugging Face 发布 Falcon-H1-Arabic 阿拉伯语模型家族，含 3B、7B、34B 三个规模，采用 Mamba 与 Transformer 注意力并行的 Falcon-H1 混合架构。
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、事实性最高的 LLM，在 SimpleQA Verified 和与 Google DeepMind、Kaggle 联合发布的新 FACTS 基准上达到 SOTA；Gemma 扩展至 140 多种语言。
Hugging Face BlogAI 评分3434 Transformers v5 重构 Tokenization：更简单、更清晰、更模块化
Hugging Face 发布 Transformers v5，将 tokenizer 架构与训练词表分离，类似 PyTorch 把网络结构与权重分开，使 tokenizer 可检查、可定制、可从零训练。v5 提供清晰的类层级与单一快速后端，并保留 AutoTokenizer 自动选择正确 tokenizer 类的能力。
Hugging Face BlogAI 评分4141 NVIDIA 发布 Nemotron 3 Nano 30B A3B，用 NeMo Evaluator 公开完整评测配方
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，任何人可复跑评测流程并独立核查结果。
OpenAI NewsAI 评分4040 OpenAI 发布评估框架，衡量 AI 加速生物研究的能力
OpenAI 推出一个真实世界评估框架，用于衡量 AI 加速湿实验室生物研究的能力。该工作使用 GPT-5 优化分子克隆实验方案，同时探讨 AI 辅助实验的潜力与风险。
Hugging Face Blog精选AI 评分6262 Hugging Face 教程：用 Codex 和 HF Skills 端到端微调开源模型
Hugging Face 发布教程，展示如何让 OpenAI Codex 借助 Hugging Face Skills 仓库完成端到端机器学习实验：验证数据集格式、选择硬件、生成并更新训练脚本、提交 Hugging Face Jobs、监控 Trackio 指标、评估 checkpoint 并生成训练报告。
推荐理由：原文给出 Codex 结合 HF Skills 完成端到端微调的完整流程与成本区间，可据此判断能否把训练实验交给编码智能体。
Google DeepMindAI 评分4040 Google DeepMind 与英国政府深化合作：用 AI 推动科学、教育与国家安全
Google DeepMind 与英国政府深化合作，将向英国科学家优先开放 AlphaEvolve、AlphaGenome、AI co-scientist 和 WeatherNext 等"AI for Science"模型，并于 2026 年在英国建立其首个自动化实验室，专注材料科学研究。
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，共含 3,513 个公开样例。
Google Research精选AI 评分6565 Google Research 发布 Titans 与 MIRAS：让 AI 拥有长期记忆
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，在超长上下文任务上超过 GPT-4。
Google DeepMindAI 评分3838 科学家用 AlphaFold 改造光合作用关键酶，培育耐热作物
密歇根州立大学团队借助 AlphaFold 预测植物与嗜热藻类中光合作用关键酶 GLYK 的 3D 结构，发现植物版 GLYK 的三个柔性环在高温下会变形失稳。研究人员据此用藻类 GLYK 的刚性环替换植物中的不稳定环，构建出杂合酶，其中一个在高达 65 °C 下仍保持稳定，为培育耐热作物铺路。
Hugging Face BlogAI 评分4040 DeepMath：基于 smolagents 的轻量级数学推理 Agent
Intel AI Software Group 推出 DeepMath，一个基于 Qwen3-4B Thinking、用 GRPO 微调的数学推理 Agent，通过 smolagents 生成 Python 片段并在沙箱执行，将输出长度最多缩短 66%，同时提升准确率。
Google ResearchAI 评分3636 Google 发布 MSEB：面向听觉智能的大规模声音嵌入基准
Google Research 在 NeurIPS 2025 发布 Massive Sound Embedding Benchmark（MSEB），用于标准化评测声音嵌入模型的八项听觉能力，涵盖检索、推理、分类、转录、分割、聚类、重排与重建。
OpenAI News精选AI 评分6262 OpenAI 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。
推荐理由：OpenAI 收购 Neptune 以增强模型行为可见性与训练监控工具，读者可据此了解其在训练基础设施上的布局。
Hugging Face Blog精选AI 评分7373 Hugging Face 发布 Transformers v5：以简洁模型定义支撑 AI 生态
Hugging Face 发布 Transformers v5.0.0rc-0，距 v4 首个候选版已五年，如今该库每天通过 pip 安装超过 300 万次，累计安装量突破 12 亿次。
推荐理由：Hugging Face 官方梳理 v5 在模型定义、训练、推理与量化上的取舍，可据此判断生态工具链的兼容方向。
Google DeepMindAI 评分2222 AlphaFold 五周年：从诺奖到全球科研基础设施
AlphaFold 2 自 2020 年在 CASP 14 上解决蛋白质结构预测难题以来，已走过五年。其免费开放的 AlphaFold Protein Database 覆盖超 2 亿个蛋白质结构，被 190 多个国家的 300 多万名研究者使用，相关论文超 35,000 篇，并促成 2024 年诺贝尔化学奖。
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，用户可用 RFSFTConfig、RFDPOConfig、RFGRPOConfig 近乎零代码替换原有 SFT/DPO/GRPO 配置，在单张 GPU 上并发运行多组微调配置。
推荐理由：官方集成给出了并发调度机制与实测加速数据，读者可据此判断微调实验流程能压缩多少时间。
Google DeepMind精选AI 评分6262 Google DeepMind 发布天气预报模型 WeatherNext 2
Google DeepMind 与 Google Research 发布天气预报模型 WeatherNext 2，称其生成预报速度提升 8 倍，分辨率最高可达 1 小时。
推荐理由：原文给出 WeatherNext 2 的生成速度、分辨率与可用入口，读者可据此判断 AI 天气预报的落地方式。
Google ResearchAI 评分4646 Google DeepMind 发布 Natural Forests of the World 2020：首张全球一致 10 米分辨率天然林地图
Google DeepMind 联合 Google Research 发布 Natural Forests of the World 2020，这是首张全球一致、10 米分辨率、可区分天然林与其他树木覆盖的地图，独立数据集验证准确率达 92.2%。
Google ResearchAI 评分3838 Google 发布 JAX-Privacy 1.0：面向大规模机器学习的差分隐私工具库
Google 发布 JAX-Privacy 1.0，这是一个基于 JAX 构建的差分隐私工具库，可高效实现 DP-SGD、DP-FTRL 等算法，并支持数据与模型并行的大规模训练。新版本重新设计以提升模块化，集成 Google 最新的 DP 训练与审计研究成果，支持微调 LLM 等现代工作流。该库自 2022 年推出以来已用于 Google 内部生产集成，现向更广泛社区开放。
Google ResearchAI 评分5252 Google Research 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、并行优化的多层级学习问题，每层有自己的上下文流和更新频率。
Google ResearchAI 评分4040 Google 发布 DS-STAR：一种 SOTA 通用数据科学智能体
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大模块，在 DABStep、KramaBench、DA-Code 三个基准上全面超越 AutoGen 和 DA-Agent。
Google DeepMindAI 评分3434 Google 用 AI 预测森林砍伐风险、绘制物种分布并发布 Perch 2.0 生物声学模型
Google 发布可预测森林砍伐风险的基准数据集，基于纯卫星输入和 vision transformer 架构，分辨率达 30 米，覆盖 2000-2024 年。
Google ResearchAI 评分4040 Google 发布 ForestCast：用深度学习预测森林砍伐风险
Google 发布 ForestCast，一个基于纯卫星数据的深度学习模型，用于预测森林砍伐风险，并同步公开首个面向该任务的基准数据集。模型采用 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，其中变化历史是最关键输入。
Google ResearchAI 评分3434 Google Research 分享 Earth AI、DeepSomatic 与 Quantum Echoes 等最新突破
Google Research 在 Research@MTV 活动上公布三项最新突破：Earth AI、DeepSomatic 与 Quantum Echoes。
Hugging Face BlogAI 评分4242 MiniMax M2 如何重新思考智能体的泛化能力
MiniMax M2 在智能体后训练中采用 Interleaved Thinking，让模型在任务任意阶段持续思考，以应对工具输出等外部扰动并维持长程任务的一致性。
Hugging Face Blog精选AI 评分6262 Hugging Face 分析全球算力格局变化：中国开源模型与国产芯片的相互牵引
Hugging Face 发布分析文章，指出中国开源权重模型的推理已开始由华为 Ascend、寒武纪等国产芯片承载，部分模型开始用国产芯片训练。文章认为美国出口管制与中国芯片产能提速高度相关，算力稀缺也促使 DeepSeek 的 MLA、GRPO 等效率创新走向开源，并推动 CUDA 之外的软件生态成形。
推荐理由：梳理中国开源模型与国产芯片互相牵引的路径，帮助读者理解算力受限如何影响模型架构与部署选择。
Hugging Face BlogAI 评分5050 NVIDIA Isaac for Healthcare 如何从仿真到部署构建医疗机器人
NVIDIA Isaac for Healthcare v0.4 发布，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，训练数据中超过 93% 由仿真合成生成。
Hugging Face Blog精选AI 评分6262 Hugging Face 改进 datasets 流式加载，请求量减少 100 倍
Hugging Face 改进 datasets 库的流式加载，load_dataset(streaming=True) 接口保持不变，数据文件解析快 10 倍、启动请求最多减少 100 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、解析与吞吐改进数据，读者可据此判断大规模训练的数据管线成本。
Hugging Face BlogAI 评分2222 Hugging Face 发起 AI for Food Allergies 项目，用 AI 推进食物过敏研究
Hugging Face 发起 AI for Food Allergies 项目，计划建设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%。项目将结合 AlphaFold、Boltz-1 等模型与 AllergenBERT、ESM-2 等深度学习工具，用于过敏原预测、药物靶点建模和诊断辅助。
Hugging Face BlogAI 评分3838 NVIDIA 发布 Nemotron-Personas-India：面向主权 AI 的合成印度人物数据集
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。
OpenAI NewsAI 评分2222 OpenAI 如何用研究助手加速团队洞察
OpenAI 内部部署研究助手，帮助团队分析数百万条支持工单，更快提炼洞察，并在全公司范围内扩展探索能力。
Hugging Face BlogAI 评分4040 NVIDIA 发布 Nemotron-Personas-Japan：面向主权 AI 的日语合成数据集
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 万条自然日语 persona（100 万条记录、每条 6 个 persona），总 token 约 14 亿，覆盖 1500 多个职业类别和约 95 万个独特姓名。
Hugging Face BlogAI 评分5050 Hugging Face 推出 SyGra：面向 LLM 与 SLM 的一站式数据构建框架
Hugging Face 发布低代码/无代码框架 SyGra，用于为 LLM 和 SLM 构建、转换与对齐数据集。该框架提供 Python 库，支持 vLLM、Hugging Face TGI、Triton、Ollama 等多种推理后端，可生成 Q&A、DPO 偏好对、推理及多语言数据。
Hugging Face BlogAI 评分4242 Hugging Face 发布 LeRobotDataset v3.0：多 episode 单文件存储并原生支持流式访问
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 每文件单 episode 在百万级数据集下的文件系统瓶颈。
Hugging Face BlogAI 评分3636 Writer 发布 Palmyra-mini 系列：1.5B-1.7B 轻量开源模型，含推理变体
Writer 开源 Palmyra-mini 系列三款模型，参数规模 1.5B-1.7B，包括非思考基础版 palmyra-mini 及两个思维链推理变体 palmyra-mini-thinking-a 和 palmyra-mini-thinking-b。
Hugging Face BlogAI 评分5757 Together AI 与 Hugging Face 打通：可直接微调 Hub 上任意兼容 LLM
Together AI 与 Hugging Face 宣布新能力，Hugging Face Hub 上任意兼容的 LLM 都能用 Together AI 的基础设施微调，公开模型可直接拉取，私有仓库需提供 HF token。