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，并通过新上线的 Heat Resilience Earth Engine App 开放访问。
全部动态 · 今日0条
#数据/训练
信源抓到、进了内容池的全部内容，按时间排列；精选只是其中一部分。
一手
模型厂商、公司和研究机构自己发布的消息：官网、官方博客和官方账号。
Google Research36
Google Research精选76 Google 发布 TabFM：面向表格数据的零样本基础模型
Google 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，把表格预测重构为上下文学习问题，无需手动训练、调参和特征工程即可在单次前向传播中完成预测。
推荐理由：原文给出了 TabFM 的架构设计与 TabArena 基准表现，读者可据此判断零样本表格预测能否替代传统树模型流程。
Hugging Face Blog34 DiScoFormer：一个 Transformer 同时估计密度与 score，跨分布通用
Hugging Face 博客介绍 DiScoFormer（Density and Score Transformer），一个模型在单次前向传播中即可同时估计数据分布的密度与 score，无需针对新分布重新训练。
Google Research30 Google Earth AI 发布矢量化数据集，用深度学习绘制英国乡村树篱与林地
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执行的树篱、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 骨干微调，并用 Polsby–Popper 紧凑度评分区分林地、木质斑块与线性木质特征。
Google Research56 Google 开源其水文建模框架，支持自建 AI 洪水预报
Google Research 在 GitHub 上以 Apache 2.0 许可开源其水文建模框架，让各国气象与水文机构能用与 Google Flood Hub 相同的架构和相近训练数据训练 AI 洪水预报模型。
Mistral AI精选62 Mistral 推出物理 AI，将 Emmi AI 并入企业平台
Mistral 宣布将 Emmi AI 并入公司，推出面向工业工程的物理 AI 能力，作为其企业解决方案中的新基础能力。该能力从几何与边界条件直接预测物理场，单次前向推理在单张 GPU 上以秒级完成，用于设计迭代，传统求解器保留用于验证和边界情况。
推荐理由：Mistral 把物理仿真模型并入企业平台，读者可据此判断工业设计流程的算力与迭代节奏会如何变化。
Mistral AI38 Mistral 收购 Emmi AI 后加码物理 AI 研究，公布多项工业仿真突破
Mistral 收购 Emmi AI 后，正为航空航天、汽车、半导体和能源等行业构建基础物理 AI。其公布的成果包括 AB-UPT 模型，可在单张 GPU 上处理 9M 表面和 140M 体积网格的原始几何数据而无需重新划分网格，以及面向大型多物理过程的端到端深度学习代理模型 NeuralDEM。
Mistral AI58 Mistral 收购 Physics AI 公司 Emmi AI
Mistral AI 宣布已达成收购 Physics AI 公司 Emmi AI 的最终协议，以强化其面向工业企业的 AI 转型服务能力。Emmi AI 总部位于奥地利，专注物理 AI 与大型工程模型，可把多日计算替换为实时仿真并构建数字孪生；其联合创始人和 30 多名研究人员与工程师将在 5 月加入 Mistral 的 Science 与 Applied AI 团队。
Google Research精选74 Google 将 ERA 科学代码工具开放使用，并推出 Computational Discovery
Google 宣布把基于 Gemini 的科学代码工具 Empirical Research Assistance（ERA）开放给科学家使用，相关成果已发表在 Nature。
推荐理由：Google 把 ERA 从 Nature 论文推进到可申请使用的工具，读者可据此判断 AI 写科学代码的落地边界。
Google DeepMind精选60 Google DeepMind 用 Co-Scientist 加速逆转细胞衰老的基因线索发现
Google DeepMind 的生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 使用 Co-Scientist 辅助衰老研究，该工具扫描数万篇论文后提出 20 多个新的候选遗传因子，实验室测试验证了其中几个假设，成功让细胞进入更年轻状态并改善整体功能。Co-Scientist 还用于分析大规模基因筛选数据，把原本需要长达六个月的数据与文献关联分析缩短到几天。
推荐理由：原文给出 Co-Scientist 在衰老研究中的具体产出与耗时对比，可了解 AI 智能体参与科研假设生成的实际方式。
Google DeepMind40 剑桥大学团队用 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 DeepMind 的 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中有一个她此前未关注的蛋白，最终将研究目标精确到具体氨基酸。Bryant 称，原本需要两到三年实验才能锁定精确氨基酸，其团队目前有望在六个月内完成，正构建携带氨基酸突变的细胞系验证假说。
Google DeepMind22 Calico 用 Google DeepMind 的 Co-Scientist 推进衰老生物学研究
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 DeepMind38 Google Co-Scientist 加速肝病机制发现，提出 MASH 组合疗法新假设
爱丁堡大学生物工程师 Filippo Menolascina 用 Google Co-Scientist 研究 MASH 肝病，系统整合肝生物学与药理学证据，锁定值得关注的机制并标记可测试的候选组合疗法。
Google DeepMind25 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 的 Co-Scientist 帮助 MIT 机械工程师 Ritu Raman 快速梳理 ALS 相关文献，将想法转化为可验证假设并按可行性排序。其最佳线索指向细胞表面分子互作，超出 Raman 专业范围，促使她与波士顿儿童医院化学生物学家 Ryan Flynn 合作，结合双方工具包迭代使用 Co-Scientist，寻找可用于靶向 ALS 的新型 RNA 机制乃至 RNA 药物。
Google DeepMind50 Google DeepMind Co-Scientist 助力发现抗肝纤维化药物
斯坦福大学医学院遗传学家 Gary Peltz 利用 Google DeepMind 的 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实验中成功阻断纤维化并促进肝细胞再生，而 Peltz 自己挑选的 2 个候选药物均无效。
Google Research22 Google Research 如何通过全球合作与开放资源推动科学影响
Google Research 公布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，涵盖基因组学、神经科学、地球建模等领域。其中 DeepVariant 等工具已支持处理 250 万人的全基因组与外显子组数据，HAI-DEF 模型套件（含 MedGemma）下载量超 480 万次。
Google Research精选62 Google Research 科学家如何使用 Empirical Research Assistance 的四种方式
Google Research 总结了科学家使用 Empirical Research Assistance（ERA）的四个方向：公共卫生领域，团队每周为美国各州提交流感。
推荐理由：Google 用四个真实科研项目展示 ERA 在流行病预测、宇宙学、碳监测和神经科学中的落地方式，可看 AI 辅助科研的具体边界。
Google DeepMind38 Google DeepMind 宣布与韩国科学技术信息通信部达成 AI 合作
Google DeepMind 与韩国科学技术信息通信部（MSIT）宣布建立合作，将在首尔办公室设立 AI Campus，向韩国学术界开放 AlphaEvolve、AlphaGenome、AlphaFold、AI co-scientist 和 WeatherNext 等前沿模型。
Google DeepMind精选62 Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，把大规模训练拆成异步通信的计算孤岛，降低带宽需求并隔离硬件故障。测试中该系统在整块 learner unit 掉线后仍能继续训练并重新接入，用 Gemma 4 模型达到与传统方法相同的 ML 性能。
推荐理由：原文给出跨数据中心异步训练在带宽、容错和跨代硬件上的实测结果，可据此判断分布式预训练的工程取舍。
Berkeley AI Research36 GRASP：面向世界模型的基于梯度的长时程规划方法
伯克利 AI 研究团队提出基于梯度的规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索、并重塑梯度让动作获得清晰信号，从而让基于学习动力学（世界模型）的长时程规划变得可行。该方法针对长时程规划中计算图病态、非贪心结构导致局部极小值以及高维视觉模型梯度脆弱等问题。
Google Research52 Google 提出 Simula：从第一性原理设计合成数据集
Google Research 发布论文《Reasoning-Driven Synthetic Data Generation and Evaluation》，提出 Simula 框架，把合成数据生成当作机制设计问题，用推理模型从零构建整个数据集，无需种子数据。
Google Research39 Google Research 用 AI 合成神经元加速脑图谱绘制，重建误差降低 4.4%
Google Research 提出 MoGen（Neuronal Morphology Generation）模型，通过点云流匹配生成合成神经元形状，为 PATHFINDER 重建模型补充训练数据，使小鼠轴突重建误差降低 4.4%，主要来自合并错误的减少。该成果在完整小鼠脑规模上相当于节省 157 人年的手动校对工作，MoGen 已作为开源模型发布。
Google Research35 Google Research 发布 ConvApparel 数据集，量化并弥合用户模拟器的真实感差距
Google Research 推出 ConvApparel，一个包含 4000 多段人机多轮对话（近 15000 轮）的服饰购物领域数据集，用于量化 LLM 用户模拟器与真实人类行为的真实感差距。
Google Research34 Google Research 研究：AI 评测需要多少标注者才够？
Google Research 在论文《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 1-5 名标注者往往不足，要反映人类意见差异常需超过 10 名。
Google Research26 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成环境转为多层图像，再用掩码自编码（MAE）学习通用嵌入向量。在 US-wide 人口密度、收入中位数等社会经济预测的零样本地理外推任务中，S2Vec 通常是最佳单模型，与图像嵌入做多模态融合后表现普遍优于单一模态；但在树冠覆盖、海拔等环境任务上仍需改进。
Google Research精选66 Google 与 NHS 研究：AI 用于乳腺筛查双读流程
Google Research 与多家 NHS 机构合作的 AIMS 研究在 Nature Cancer 发表两项姊妹研究，评估 AI 乳腺筛查系统。
推荐理由：两项 Nature Cancer 研究给出了 AI 在 NHS 乳腺筛查双读流程中的检测率与工作量数据，可据此了解人机协作的实际边界。
Mistral AI精选62 Mistral AI 推出企业级模型训练系统 Forge
Mistral AI 发布 Forge，一套让企业基于自有专有知识构建前沿级 AI 模型的系统，覆盖预训练、后训练和强化学习等阶段，支持 dense 与 MoE 架构及多模态输入。
推荐理由：原文给出了企业用自有数据训练前沿模型的分阶段能力与已合作机构，可据此判断企业自建模型的门槛与路径。
Berkeley AI Research38 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将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融实验达到 SPEX 的性能。
Google Research精选62 Google 在 Flood Hub 上线城市山洪预报，可提前 24 小时预警
Google 宣布在 Flood Hub 上线城市山洪预报，借助新的 AI 方法可提前最多 24 小时预测城市山洪风险。
推荐理由：原文给出了城市山洪预报的模型思路与评估结果，读者可据此判断AI洪水预警在全球南方的覆盖能力。
Google Research精选62 Google 推出 Groundsource，用 Gemini 把新闻报道转为灾害数据
Google 发布 Groundsource，一套用 Gemini 从全球新闻中提取结构化灾害数据的方法，并开放首个城市山洪数据集，包含 2.6 百万条记录、覆盖 150 多个国家、时间跨度从 2000 年至今。
推荐理由：Google 用 Gemini 把全球新闻转成结构化灾害数据，并给出人工核验的准确率与覆盖对比，可据此判断这套方法能否迁移到其他灾害。
Berkeley AI Research24 伯克利 AI 研究提出信息驱动成像系统设计框架，登 NeurIPS 2025
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，可直接从含噪测量中估计信息量，预测系统性能。该方法在彩色摄影、射电天文、无透镜成像和显微镜四个领域验证有效，优化后的设计达到端到端方法水平，且内存和算力需求更低，无需任务专用解码器。相关论文发表于 NeurIPS 2025。
Berkeley AI Research36 无需 TD 学习的强化学习：用分治法扩展 off-policy RL
Berkeley AI Research 提出一种基于分治法的 off-policy 强化学习算法，不依赖时序差分（TD）学习，可将 Bellman 递归次数从线性降为对数级，从而扩展到长时程任务。该方法在 goal-conditioned RL 中首次实现规模化，利用状态间最短路径距离的三角不等式构造传递式 Bellman 更新，但如何选取最优子目标 w 仍是待解问题。
Berkeley AI Research34 word2vec 究竟学到了什么？伯克利 AI 研究给出闭式理论解释
伯克利 AI 研究证明，在四阶近似目标函数、特定超参数约束、极小初始嵌入权重和极小梯度下降步长等条件下，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，最终学到的表示等同于对矩阵 M* 做 PCA。
Mistral AI34 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，改善了密集住宅与中等住宅、Playground 与 Stadium 等易混淆类别的区分能力。
Mistral AI38 Mistral AI 发布首个 AI 模型全生命周期环境影响研究，为全球 AI 环境标准献策
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、使用 18 个月后产生 20.4 ktCO₂e、消耗 281 000 m³ 水和 660 kg Sb eq。