Google 联手 NASA JPL 推出 MAPL-EMIT：利用深度学习从太空监测全球甲烷排放
Google 联合 NASA JPL 推出基于 Vision Transformer 架构的 MAPL-EMIT 深度学习框架，利用卫星高光谱辐射数据自动化完成全球甲烷点源羽流的检测、定量分割与排放源定位，相关成果已发表于 PNAS。
#GitHub
#GitHub
今日 0 条Google ResearchAI 评分5757
Hugging Face BlogAI 评分4747 Hugging Face：让大语言模型知识蒸馏实现低成本规模化运行
Hugging Face 提出通过离线缓存教师模型 Top-100 logits 与融合分块 KL 损失（Fused Chunked KL Loss），大幅降低大语言模型知识蒸馏的显存成本。
Microsoft ResearchAI 评分5757 微软研究院提出 EvoLib 框架将经验转化为可演进知识
微软研究院发布 EvoLib 框架，使大语言模型在测试期无需真实标签或更新权重即可将经验自监督地转化为可复用技能与反思见解。该框架通过知识整合与动态重加权机制持续演进知识库，在数学推理、受限编码及长程交互任务中以更低 token 消耗超越传统检索式记忆方法。目前相关代码与实验结果已在 GitHub 开源。
Hugging Face BlogAI 评分5353 IBM Research 推出 Java 框架迁移评测基准 ScarfBench
IBM Research 推出企业级 Java 框架迁移评测基准 ScarfBench，用于评估 AI 智能体在 Spring、Jakarta EE 与 Quarkus 之间的跨框架重构能力。
Mistral AIAI 评分5252 Mistral AI 盘点推动工业工程发展的物理 AI 系列研究成果
Mistral AI 宣布加码面向航空航天、汽车、半导体与能源工业的物理 AI（Physics AI）研发，并系统汇总了收购 Emmi AI 后的关键技术突破。相关成果涵盖用于跨音速 3D 机翼的 CFD 模拟数据集、面向聚变等离子体湍流仿真的 GyroSwin 5D 代理模型，以及单 GPU 支持上亿网格单元空气动力学仿真的 AB-UPT 和多物理场实时仿真框架 NeuralDEM。
Google ResearchAI 评分4848 Google Research：构建更好的 AI 评测基准需要多少标注人员？
Google Research 研究发现，AI 评测中每个样本配备 1 至 5 名标注人员的通用做法不足以捕捉人类真实分歧。若要捕捉观点差异等细节，单样本通常需超过 10 名标注人员；若只评估多数票准确率，增加样本量则比增加标注人员更有效。团队指出依据指标优化配比仅需约 1,000 次总标注即可实现高可复现性，相关模拟器已在 GitHub 开源。