Google 发布 TabFM：面向表格数据的零样本基础模型
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完成预测。
#数据/训练
#数据/训练
今日 0 条6月30日
DiScoFormer：一个 Transformer 同时估计密度与 score，跨分布通用
Hugging Face 提出 DiScoFormer（Density and Score Transformer），给定一组数据点即可在单次前向传播中同时估计分布的密度与 score，无需针对新分布重新训练。
6月17日
Google Earth AI 推出矢量化数据集，用深度学习绘制英国农田细尺度生态特征
Google Research 发布矢量化数据集，将 Farmscapes 2020 的高分辨率栅格地图转为可操作的树篱、石墙与矮林清单，覆盖英国超 13 万平方公里。该框架基于在 3 亿多张全球卫星影像上预训练的 RSF Vision-Transformer 骨干，仅用约 247 平方公里标注数据微调，并用 Polsby–Popper 紧凑度分数（线性特征阈值小于 0.5）区分林地、树丛与树篱。
6月8日
Google DeepMind 在塞拉利昂开展 AI 学习试验，数学成绩提升 0.258 个标准差
Google DeepMind 公布在塞拉利昂开展的预注册随机对照试验结果，使用 Guided Learning 的学生数学成绩比对照组提升 0.258 个标准差，约相当于 1.2 至 1.7 年的常规学习进度，试验为期八周。
6月4日
Google 开源洪水预报水文建模框架
Google Research 在 GitHub 上以 Apache 2.0 许可开源其水文建模框架，供各国气象与水文机构将 AI 洪水预报整合进自身工作流。该框架是使用 PyTorch 的 Python 包，采用 LSTM 网络架构，可基于 Caravan 数据集训练或微调模型，并附带交互式教程 notebook 和视频教程。
5月27日
Mistral 推出物理 AI：面向工业工程加速的基础模型能力
Mistral 将 Emmi AI 并入后推出物理 AI 基础能力，用于 AI 原生工业工程，合作方包括 ASML、Airbus、Safran 和 Siemens Energy。该模型从几何与边界条件直接预测物理场，单次前向传播在单 GPU 上以秒级完成，而传统 CFD/FEM 仿真每个设计变体需数小时至数周。它面向设计迭代提速，传统求解器仍保留用于验证和边缘场景。
Mistral 收购 Emmi AI 后加码工业物理 AI 研究
Mistral 收购 Emmi AI，并加倍投入面向航空航天、汽车、半导体和能源等行业的 Physics AI 基础研究。其成果包括 AB-UPT 可在单张 GPU 上处理 900 万表面单元和 1.4 亿体积单元，以及面向 3D 机翼跨音速流场的约 30,000 个 CFD 仿真样本数据集。
5月23日
Mistral 收购 Physics AI 公司 Emmi AI
Mistral AI 本周签署最终协议收购 Physics AI 先驱 Emmi AI，以强化其面向工业企业的 AI 转型服务能力。Emmi AI 成立于奥地利，团队超过 30 名研究人员和工程师，专注大型工程模型，可将多日计算替换为实时仿真并构建数字孪生，其联合创始人及团队将于 5 月加入 Mistral 的 Science 与 Applied AI 团队。
5月20日
Google 发布 ERA 科研编码工具并开放 Computational Discovery
Google 发布 Empirical Research Assistance（ERA），一个用 Gemini 编写和优化科学代码的研究工具，相关论文今日发表于 Nature，并作为 Gemini for Science 的一部分向全球科学家开放。
5月18日
Import AI 457：AI 版 Stuxnet、有缺陷的 Muon 优化器与“正向对齐”
Import AI 457 聚焦三项研究：SentinelOne 拆解出约 20 多年前的病毒 fast16.sys，它通过篡改 LS-DYNA 970、PKPM、MOHID 等高精度计算软件的内存结果来破坏工程与物理仿真。
5月16日
剑桥大学 Clare Bryant 用 Google Co-Scientist 寻找跨物种传染病的分子开关
剑桥大学教授 Clare Bryant 使用 Google Co-Scientist 研究流感等病原体跨物种传播引发败血症的分子机制，该工具生成并排序的假说帮她锁定了一个此前未关注的蛋白，并逐步细化到具体氨基酸位点。她的团队正构建携带这些氨基酸突变的细胞系验证假说，原本需两到三年的实验工作预计可在六个月内完成。
Google DeepMind Co-Scientist 如何助力 Calico 探索衰老生物学新路径
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google DeepMind 的 Co-Scientist 整合衰老生物学中零散的研究发现并生成可验证假设。
Google Co-Scientist 如何连接 MIT 与波士顿儿童医院实验室，探索 ALS 新疗法
Google DeepMind 的 Co-Scientist 帮助 MIT 机械工程师 Ritu Raman 快速梳理 ALS 相关文献，将想法转化为可检验假设并按可行性与风险收益排序。
Google Co-Scientist 助力斯坦福团队发现肝纤维化候选药物
斯坦福大学医学院 Gary Peltz 团队利用 Google Co-Scientist 筛选抗肝纤维化药物，其提出的 3 个候选药物中有 2 个在活体人类肝细胞测试中阻断纤维化并促进肝细胞再生，而 Peltz 自行挑选的 2 个药物均无效。其中抗癌药 vorinostat 阻断了 91% 可驱动肝瘢痕形成的损伤反应，相关研究已发表于 Advanced Science。
5月4日
Import AI 455：AI 系统即将开始自我构建
Jack Clark 在 Import AI 455 中判断，到 2028 年底出现无需人类参与、能自主训练后继模型的 AI 研发的概率约为 60%，2027 年的概率约为 30%。
5月2日
Google Research 如何通过全球合作与开放资源推动科学影响
Google Research 披露其开源工具与开放数据集已赋能全球超 25 万名研究者和开发者。其中基因组学工具 DeepVariant、DeepConsensus、DeepPolisher 已支持处理 250 万人的外显子与全基因组，医疗基础模型 MedGemma 下载量超 480 万次。Open Health Stack 已在 10 多个国家部署，覆盖超 6500 万受益者。
4月30日
Google Research 科学家使用 Empirical Research Assistance 的四种方式
Google Research 介绍科学家如何使用其 Empirical Research Assistance（ERA）工具推进科研，涵盖流行病预测、宇宙学、碳监测和神经科学四个方向。
4月22日
Google DeepMind 提出 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布论文提出 Decoupled DiLoCo 分布式训练架构，把大规模训练拆分为解耦的计算孤岛，孤岛间以异步数据流通信，从而隔离局部硬件故障。
4月16日
Google 提出 Simula：基于推理的合成数据生成框架
Google 提出推理优先的合成数据生成框架 Simula，将数据集构建重构为机制设计问题，通过全局多样化、局部多样化、复杂化和双批评家质量检查四个步骤，从零构建数据集，无需种子数据。
Google Research 用 AI 生成合成神经元加速脑图谱绘制
Google Research 提出 MoGen（Neuronal Morphology Generation），用 PointInfinity 点云流匹配模型生成合成神经元形态，为 PATHFINDER 重建模型补充训练数据，在保留的小鼠轴突上把重建错误率降低 4.4%，主要来自合并错误的减少。
4月1日
Google Research 研究：AI 评测需要多少标注者才够？
Google Research 在《Forest vs Tree: The (N, K) Trade-off in Reproducible ML Evaluation》中研究了评测条目数与每条目标注者数的权衡，发现常用的每条目 1、3、5 名标注者往往不足，反映人类意见分歧常需超过 10 名。
3月25日
Google Research 推出 S2Vec：用自监督学习读懂城市建成环境
Google Research 发布自监督框架 S2Vec，通过 S2 Geometry 分区与特征栅格化，将建筑、道路等建成环境特征转为多层图像，再用掩码自编码（MAE）学习通用嵌入向量。评测中 S2Vec 在零样本地理外推的社会经济预测任务（如全美人口密度、收入中位数）上表现优于 SATCLIP、GEOCLIP 等基线，但在树木覆盖、海拔等环境任务上仍需改进。
3月18日
Mistral AI 推出 Forge，让企业用自有知识训练前沿模型
Mistral AI 推出 Forge，一套让企业基于专有知识构建前沿级 AI 模型的系统，支持预训练、后训练和强化学习等阶段。Forge 支持 dense 与 MoE 两种架构，并可按需支持多模态输入，模型可在企业自有基础设施内训练与治理。
3月17日
Mistral 与 NVIDIA 合作加速开源前沿模型
Mistral AI 宣布作为创始成员加入 NVIDIA Nemotron Coalition，双方计划共同开发前沿开源 AI 模型，Mistral 提供模型架构、多模态能力与企业级微调工具，NVIDIA 提供算力、模型开发工具和合成数据生成管线。
3月13日
Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层次结构，以约 10 倍更少的消融达到 SPEX 的性能。
3月12日
Google 在 Flood Hub 上线城市山洪 AI 预报，提前 24 小时预警
Google 宣布在 Flood Hub 上线城市山洪预报，借助新的 AI 方法可在城市区域提前最多 24 小时预测山洪风险。
Google 推出 Groundsource，用 Gemini 将新闻报道转为洪水数据
Google Research 推出 Groundsource，一种用 Gemini 从全球新闻中提取结构化历史灾害数据的方法，并发布首个开放数据集，包含 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。
3月7日
Google Research 发布 WAXAL 非洲语言语音数据集，覆盖 27 种语言
Google Research 发布 WAXAL 大规模开放语音数据集，初期覆盖 27 种撒哈拉以南非洲语言、超过 1 亿使用者，以 CC-BY-4.0 许可开放。
1月10日
伯克利提出信息驱动成像系统设计框架，可跨四类成像任务预测性能
伯克利 AI 研究团队提出一种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系统信息量，并在 NeurIPS 2025 论文中验证其能预测彩色摄影、射电天文、无镜头成像和显微镜四个领域的解码器性能。该方法优化出的设计可媲美端到端 SOTA 方法，同时占用更少内存和算力，且无需任务专用解码器设计。
9月1日
word2vec 究竟学到了什么？伯克利提出可定量预测的学习理论
伯克利 AI 研究团队提出首个可定量预测 word2vec 学习过程的理论，证明在现实训练条件下该问题可化简为无权重最小二乘矩阵分解，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。从小初始化训练时，word2vec 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，这些特征即 M* 的顶部特征向量，可由语料统计和超参数预先算出。
8月1日
Mistral 如何通过微调 Pixtral-12B 提升卫星图像视觉语言模型表现
Mistral 用 LoRA 微调 Pixtral-12B，在 Aerial Image Dataset（AID）卫星图像分类任务上显著优于未微调基线，并减少了模型幻觉出的无效类别名。微调通过 Mistral 微调 API 或 LaPlateforme UI 完成，无需大量超参数调优，数据集划分为 8,000 训练样本和 2,000 测试样本。
7月23日
Mistral AI 发布首个 AI 模型全生命周期环境影响研究，并公开 Mistral Large 2 碳足迹数据
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，训练加 18 个月使用共产生 20.4 ktCO₂e、消耗 281000 立方米水、660 kg Sb eq 资源消耗。