Mistral 在慕尼黑设立德国中心，推进工业 AI 与 Physics AI
Mistral 在慕尼黑开设新中心，组建专注 Physics AI 与工业 AI 的研究团队及企业应用工程师团队，并计划到 2030 年建成 1 吉瓦欧洲算力。该中心与 BMW 合作碰撞仿真与工程 AI、与 Siemens Energy 合作工业 AI 应用，并与慕尼黑工业大学（TUM）建立研究合作。
#数据/训练
#数据/训练
今日 0 条Mistral AIAI 评分4949
AWS Machine Learning BlogAI 评分3434 Amazon EKS 结合 EFA 与 DeepEP 扩展 MoE 强化学习，吞吐量提升 40%
AWS 推出基于 Amazon EKS、EFA 和 DeepEP 的架构方案，优化 MoE 模型在大规模强化学习（RLHF 与 GRPO）后训练中的表现，实现吞吐量提升 40%。
AWS Machine Learning BlogAI 评分3434 在 Amazon SageMaker HyperPod 上用 SkyRL 加速多模态 RL 训练
在 Amazon SageMaker HyperPod 上使用开源 RL 框架 SkyRL，通过 GRPO 对 Qwen3-VL-8B 视觉语言模型做多模态 RL 后训练，在固定 64 个迷宫评测集上把解迷宫成功率从 43.75% 提升到 95% 以上。
AWS Machine Learning BlogAI 评分3434 使用 Amazon SageMaker HyperPod 与 Qumulo 实现多区域训练
AWS 推出结合 Amazon SageMaker HyperPod 与 Qumulo 的多区域训练方案，使计算与数据集分置不同 AWS 区域时无需复制全量数据。在 1.02B 参数 LLaMA v3 及 16 块 H100 GPU 实测中，跨区域集群经 NeuralCache 预热后吞吐量达到与本地集群相同的 115–117 samples/sec，GPU 利用率收敛至 98–100%。
NVIDIA BlogAI 评分4242 曼彻斯特大学利用 NVIDIA Earth-2 预测全英国空气污染
曼彻斯特大学研究团队利用 NVIDIA Earth-2 旗下的 CorrDiff 与 StormCast 生成式框架，成功构建了覆盖全英国的空气污染预测模型。该模型在英国 Isambard-AI 超算的单个 8-GPU 节点上仅用 2 天完成训练，分辨率达 2-3 平方公里，并可在桌面级 DGX Spark 系统上运行推理与训练。团队后续计划开源相关训练数据与工作流。
Google ResearchAI 评分3838 Google Research 提出 Retrieve-for-Train：用离线 RL 编译扩散检索器绕过推理瓶颈
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现符合奖励的 fan-out 查询并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，在推理时以单次非自回归前向直接生成完整结果集，无需 CoT 推理 token。
Google ResearchAI 评分4545 ToolGrad：利用文本“梯度”高效生成工具使用数据集
Google Research 提出工具使用数据集生成框架 ToolGrad，采用“先答案后问题”范式并借助文本梯度反馈，能以更低成本高效构建复杂的真实 API 工作流。
Google ResearchAI 评分3232 Google Research 跨族裔多基因风险评分迁移学习研究：UKB 欧洲人群数据与 BBJ 日本人群数据如何配比
Google Research 用 UK Biobank 欧洲人群与 Biobank Japan 近 20 万日本人群数据，在 8 项临床性状上评估多基因风险评分（PRS）的跨族裔迁移效果。
Hugging Face Blog精选AI 评分6565 通过 100 步 GRPO 微调 350M 模型提升结构化输出能力
Hugging Face 发布实践指南，展示使用 TRL 库仅需 500 条样本和 100 步 GRPO 训练微调 LFM2.5-350M，即可将其在 IFStruct 结构化输出基准上的通过率从 22.6% 提升至 29.7%。
推荐理由：原文给出了基于 TRL 和 GRPO 的低成本微调方案与奖励函数设计，便于开发者用轻量算力提升小模型的结构化输出合规率。
Hugging Face Blog精选AI 评分6868 使用 TRL 与 OpenEnv 训练代码模型绘制水彩画
Hugging Face 博客公开了基于 TRL 与 OpenEnv 训练代码模型生成水彩画的开源复现方案与完整工程流程。该方案使用 Qwen 模型结合 p5.brush 绘图库，在 TRL 的 GRPOTrainer 中将无头渲染结果交由 HPSv3 美学模型与视觉模型成对评判打分，成功引导模型学会调用特定绘图函数呈现水彩质感。
推荐理由：文章开源了用强化学习与审美偏好训练代码模型绘制水彩画的完整流程，为非确定性审美任务的强化学习对齐提供了可复现的工程参考。
Hugging Face BlogAI 评分5353 用 Sentence Transformers 训练与微调多向量嵌入模型
Sentence Transformers v6.0 引入第四种模型类型 MultiVectorEncoder，支持 ColBERT 式后期交互检索，并给出完整训练方案。
Google ResearchAI 评分4545 Google：移动数据如何让大语言模型更深入理解地点
Google 推出 ME-POIs 框架，将聚合匿名的移动模式与文本描述融合，让大语言模型生成兼顾地点语义与动态功能的向量嵌入。在未见地点测试中，该框架使访问意图预测相对提升 81.9%，价格等级分类提升 75.1%，繁忙度估算准确率提高 24.7%。其空间多尺度传播机制还能迁移周边特征，有效缓解长尾商户的数据稀疏问题。
Microsoft ResearchAI 评分4444 微软研究院扩大 Skala 接入生态，加速迈向预测性 DFT
微软研究院发布深度学习密度泛函 Skala 1.1 并扩大生态集成，目前已上线 CP2K，且正集成至 Psi4、FHI-aims、ORCA 和 VASP。该版本训练数据达前代 2.5 倍，以 meta-GGA 的计算成本在 GMTKN55 基准 55 个类别中斩获 32 项第一，加权平均误差为 2.8 kcal/mol。微软还同步推出了持续追踪计算性能的动态基准。
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 Research精选AI 评分7070 微软发布 Echoverse：面向计算机操作智能体的深度演进环境
微软研究院提出 Echoverse，为计算机操作智能体构建十二个训练世界，包括十个深度领域环境和两个能力环境，分别针对日期选择器与嵌套筛选等单一控件。在全部十二个世界上训练的 9B 模型得分从 36.5% 提升到 67.1%，接近 GPT-5.4 的 80.7%。
推荐理由：微软公布 Echoverse 十二个计算机操作智能体训练世界与数据库锚定评分机制，并开源其中四个世界及代码与任务。
Hugging Face BlogAI 评分3434 新模型迭出下专攻巴西葡语的 DharmaOCR 依然保持优势
专攻巴西葡萄牙语的 OCR 模型 DharmaOCR 在葡语基准测试中取得 0.925 分，大幅超越更新的 Mistral OCR4（0.798）与 Unlimited-OCR（0.7587）。该模型先通过监督微调将全部参数专门对齐巴西葡语的词汇与文档结构，再结合 DPO 抑制重复与不连贯输出，从而在复杂文档提取中实现了更高的稳定性和更低的退化率。
Google ResearchAI 评分4444 Google Research 揭秘扩散模型的创造力来源
Google Research 在 ICLR 2026 发表的研究揭示，扩散模型的“创造力”并非随机巧合，而是源于神经网络训练中的得分平滑（score smoothing）现象。由于权重衰减等正则化效应，模型学到的是平滑后的近似得分函数，避免了单纯记忆复刻训练数据。这种平滑机制促使去噪过程在训练数据点之间实现插值，从而稳定生成逼真的全新样本。
Hugging Face BlogAI 评分5757 Photoroom 详解开源图像模型 PRX 预训练数据管线策略
Photoroom 详细公开了开源图像模型 PRX 的预训练数据工程管线与策略，围绕数据格式选型、VLM 长图说重标注与流式分发展开。团队采用 Lance 格式进行底层索引与多模态检索，选用 Qwen3-VL-8B 生成密集长图说，并实测验证 quality 92 的 JPEG 存储不会对生成质量产生负面影响。
Hugging Face BlogAI 评分3535 为什么专业化不可避免：优化理论、生物学、市场与机器学习给出同一答案
围绕 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 的 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》，Dharma AI 撰文指出，优化理论、演化生物学、竞争市场与机器学习共同预测：在有限资源下，专注于特定领域的系统会胜过追求通用性的系统。
Google ResearchAI 评分4545 Google 提出用于审计机器遗忘的新框架
Google 提出正则化 f-散度核检验（Regularized f-Divergence Kernel Tests）框架，用于灵敏且准确地审计机器学习模型的“机器遗忘”。该框架引入相对距离检验与核正则化方法，利用 KL、卡方及 Hockey-stick 等 f-散度精准捕捉局部数据偏移与隐私泄露，同时在理论上证明能在任意样本量下控制假阳性。
Mistral AIAI 评分5656 Mistral 推出物理 AI：面向工程加速的物理仿真基础模型
Mistral 宣布将 Emmi AI 团队并入，推出面向工业工程的物理 AI 能力。该模型从几何与边界条件直接预测完整物理场，单次前向推理在秒级完成，而非传统求解器的小时到数周，并可基于实时传感器数据构建数字孪生。
Google DeepMindAI 评分4242 Google DeepMind Co-Scientist 如何加速逆转细胞衰老的基因研究
Google DeepMind 的 Co-Scientist 正被用于细胞衰老研究：它扫描数万篇论文后提出 20 多个可测试的新基因因子，实验室验证其中几个成功将细胞推向更年轻状态并改善整体功能。它还能结合文献分析大规模基因筛选数据，把原本需长达六个月的分析缩短到几天。
Google ResearchAI 评分3939 Google Research 用 Empirical Research Assistance 做四类科研：流行病预测、宇宙弦、卫星 CO₂ 监测等
Google Research 公布科学家使用 Empirical Research Assistance（ERA）的四类实际科研场景：用 ERA 每周为美国各州提交流感、COVID-19 和 RSV 住院预测，在流感与 COVID-19 公开排行榜上表现处于或接近榜首。
Google DeepMindAI 评分5151 Google DeepMind 提出 Decoupled DiLoCo 分布式训练架构
Google DeepMind 推出新型分布式训练架构 Decoupled DiLoCo，通过将训练任务划分为解耦的计算岛并结合异步数据流，实现跨远距离数据中心的低带宽与高容错模型训练。
Google ResearchAI 评分5252 Google 提出合成数据生成框架 Simula：基于第一性原理与机制设计
Google 推出合成数据生成与评估框架 Simula，通过基于推理的第一性原理将全流程解耦为全局多样性、局部多样性、复杂化与双批评质量检查四个独立可控维度。实验使用 Gemini 2.5 Flash 作为教师模型向 Gemma-3 4B 进行蒸馏，在网络安全、法律推理、数学等领域最高生成 512K 规模数据并显著超越基线。
Google ResearchAI 评分5050 Google 发布神经形态生成模型 MoGen，利用合成神经元加速大脑连接组重建
Google Research 推出神经形态生成模型 MoGen，通过点云流匹配技术生成逼真的 3D 神经元形态，以合成数据加速大脑神经连接图谱重建。实验显示，在 PATHFINDER 重建模型的训练中加入 MoGen 数据后，小鼠轴突重建错误率降低了 4.4%，在完整小鼠大脑规模下相当于节省 157 人年的人工校对成本。
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。
Mistral AIAI 评分5151 Mistral AI 发布企业模型定制系统 Forge
Mistral AI 发布企业模型构建系统 Forge，支持企业利用内部代码库、文档和运营记录等专有数据定制模型与智能体。该系统覆盖预训练、后训练和强化学习全流程，兼容稠密与 MoE 架构及多模态输入，并具备 Agent-first 设计支持智能体自动调优。目前 ASML、爱立信和欧洲空间局等机构已接入该系统在自身基础设施中构建领域专用模型。
Mistral AI精选AI 评分7373 Mistral AI 与 NVIDIA 达成战略合作并加入 Nemotron 联盟
Mistral AI 宣布作为创始成员加入 NVIDIA Nemotron 联盟，双方将联合研发前沿开源 AI 模型。Mistral AI 贡献专有模型架构、多模态能力和微调工具，结合 NVIDIA 的算力与合成数据流水线，共同构建基于 NVIDIA DGX Cloud 训练的开源基础模型，为后续 NVIDIA Nemotron 4 系列提供支撑。
推荐理由：原文披露了两家机构联合开发前沿开源模型的技术分工与路径，读者可借此评估算力与模型架构结合对开源生态的影响。
Google ResearchAI 评分5959 Google 推出 Groundsource：利用 Gemini 将全球新闻转化为灾害数据集
Google Research 推出 Groundsource 框架，利用 Gemini 将全球非结构化新闻转化为结构化历史灾害数据，并开源包含 150 多个国家和地区、260 万条记录的城市突发洪水数据集。
Google ResearchAI 评分4949 WAXAL：面向非洲语言语音技术的大规模开源资源
Google Research 联合非洲机构推出开源语音数据集 WAXAL，覆盖 26 个以上国家超 1 亿人使用的 27 种子撒哈拉非洲语言。该资源采用 CC-BY-4.0 许可开源，包含约 1,846 小时用于 ASR 的自然无脚本转录语音数据，以及超 565 小时用于 TTS 的高保真录音数据，旨在支持开发全双工对话系统并促进低资源语音技术研发。
Berkeley AI ResearchAI 评分1818 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 研究提出一套定量理论，证明 word2vec 在随机初始化且初始权重趋近于零的训练条件下，其学习问题可化简为非加权最小二乘矩阵分解，梯度流动态有闭式解，最终学到的表示就是 PCA。该理论给出特征向量的闭式表达式，仅由语料共现统计与超参数决定，并按序逐步提升嵌入矩阵的秩，每一步对应一个可解释的主题级概念。
Mistral AIAI 评分4747 通过微调释放 Pixtral-12B 在卫星图像领域的潜力
Mistral AI 展示了通过微调技术提升视觉语言模型 Pixtral-12B 在卫星图像分类上的表现。在包含 8,000 训练样本和 2,000 测试样本的 Aerial Image Dataset 基准测试中，微调有效解决了基础模型对细分类别的区分难题并减少了标签幻觉。开发者可通过 Mistral 微调 API 或 LaPlateforme UI 快速完成模型适配。