微软研究：预测电网空间天气风险
微软研究团队开发了一种机器学习系统，用于预测美国大陆66,935个变电站的空间天气风险，并在评估期间检测到近80%的重大空间天气事件。
推荐理由：该研究通过机器学习预测电网空间天气风险，为电网运营商提供提前预警，具有实际应用价值。
数据与训练
全部主题训练侧的门道：数据集构建、合成数据、预训练与后训练方法、算力与训练成本。
最新精选
第 21–40 条 · 共 120 条Microsoft Research精选AI 评分7070
Google Research精选AI 评分8585 Google Research 发布 Diffusion Controller 框架，简化 AI 图像生成
Google Research 发布了 Diffusion Controller 框架，该框架通过数学控制与图像生成模型的结合，简化了 AI 图像生成过程，提高了图像生成质量并满足用户需求。
推荐理由：Diffusion Controller 框架通过数学控制与图像生成模型的结合，为图像生成过程提供了统一的控制方法，有助于提高图像生成质量并满足用户需求。
NVIDIA Blog精选AI 评分7575 NVIDIA 发布开源蛋白质数据集，助力未来疫情预防
NVIDIA 与 Google DeepMind 等机构合作，发布包含 2800 多种病毒蛋白质复合物结构的开源数据集，利用 AlphaFold2 模型预测，并开源 BioNeMo 结构预测流程，以加速基础科学研究。
推荐理由：该研究通过开源蛋白质数据集，为全球科学家提供预测的病毒蛋白质复合物结构，有助于未来疫情的预防和准备。
Hugging Face Blog精选AI 评分6565 UK AISI 和 EvalEval 推动基准结果的可重复性
UK AI Security Institute (AISI) 使用 EvalEval 的基础设施公开分享评估结果，支持可重复和可验证的评估科学。AISI 和 EvalEval 合作，通过共享评估结果和基础设施，推动可重复和可验证的评估科学。
推荐理由：原文介绍了 UK AI Security Institute 和 EvalEval 的合作，通过共享评估结果和基础设施，推动可重复和可验证的评估科学。读者可以了解这一合作对 AI 评估领域的影响。
Microsoft Research精选AI 评分7777 RetroChimera：大规模提高小分子合成预测的模型
Microsoft Research 发布了 RetroChimera 模型，用于提高小分子合成的预测能力，该模型结合了两种互补的模型，并开源了其实现和权重。
推荐理由：RetroChimera 模型在预测小分子合成方面表现出色，有助于加速新药和先进材料的开发，读者可以关注其开源实现和潜在应用。
Google Research精选AI 评分7777 Google Research 提出 Retrieve-for-Train 框架，加速复杂 AI 搜索
Google Research 发布了名为 Retrieve-for-Train 的新框架，旨在解决复杂 AI 搜索中的推理瓶颈。该框架通过强化学习和扩散模型实现高效、单次查询扩展，有效提高了搜索质量。
推荐理由：该研究提出了一种名为 Retrieve-for-Train 的新框架，旨在解决复杂 AI 搜索中的推理瓶颈，通过强化学习和扩散模型实现高效、单次查询扩展，对搜索领域有重要意义。
Google Research精选AI 评分6565 Google Research发布果蝇大脑完整图谱：连接组学里程碑
Google Research与HHMI Janelia合作，发布了果蝇雄性大脑和中央神经系统的完整图谱，这是迄今为止最大的大脑图谱。该图谱将有助于神经科学研究，并可能推动对人类大脑的理解和治疗精神疾病的方法。
推荐理由：该研究通过AI技术绘制了果蝇大脑的完整图谱，为神经科学研究提供了重要资源，并有望推动对人类大脑的理解和治疗精神疾病的方法。
Hugging Face Blog精选AI 评分7070 BenchMIRT：LLM 基准测试实际测量了什么？
BenchMIRT 是一种新的方法，用于审计 LLM 基准测试，通过分析模型在各个问题上的表现，揭示基准测试的复杂性和潜在问题。
推荐理由：BenchMIRT 通过分析模型在各个问题上的表现，揭示了现有基准测试的复杂性和潜在问题，为更精准的模型评估提供了新思路。
Google Research精选AI 评分7272 利用深度学习从空间监测全球甲烷排放
Google Research发布了一篇论文，描述了一种利用深度学习技术从空间监测全球甲烷排放的新方法，该方法名为MAPL-EMIT，能够自动检测、增强预测和估计甲烷羽流源。
推荐理由：该研究利用深度学习技术从空间监测甲烷排放，为全球温室气体减排提供了一种新的方法，具有潜在的应用价值。
Google Research精选AI 评分8585 Google Research 发布 TimesFM-3：零样本多变量时间序列预测基础模型
Google Research 发布了 TimesFM-3，这是一种先进的零样本时间序列基础模型，能够在单次前向传递中实现高度准确的多变量时间序列预测。该模型在多个公开基准测试中取得了最先进的性能。
推荐理由：TimesFM-3 在多个公开基准测试中取得了最先进的多元和单变量预测性能，为时间序列预测领域带来了新的突破。
Microsoft Research精选AI 评分7070 GigaPath-Flash 和 GigaTIME-Flash：高效病理学基础模型助力大规模发现
Microsoft Research 发布了 GigaPath-Flash 和 GigaTIME-Flash 两种高效的病理学基础模型，旨在通过降低计算需求，提高大规模病理学研究效率和实用性。
推荐理由：原文介绍了 GigaPath-Flash 和 GigaTIME-Flash 两种高效的病理学基础模型，读者可以了解其在病理数据分析和肿瘤微环境建模方面的应用潜力。
Google Research精选AI 评分8585 Google Research发布地球AI行星预测引擎：自动化全球模型
Google Research发布地球AI行星预测引擎（PPE），该引擎可以自主执行地理空间建模的全流程，包括数据发现、模型训练等，在公共卫生、食品安全、环境风险和社会经济等多个预测任务中取得改进。
推荐理由：该研究展示了如何通过智能数据发现、多模态基础模型融合和自动化模型优化，将地球AI的预测引擎应用于各种地理空间预测任务，从而降低行星级分析的技术门槛。
Google Research精选AI 评分8585 GlucoFM：用于连续血糖监测的基础模型
Google Research 发布了 GlucoFM 模型，该模型用于连续血糖监测，通过分析血糖动态，在糖尿病风险预测等领域展现出优异的性能。
推荐理由：GlucoFM 模型在血糖监测领域展现出优异的性能，其研究成果对糖尿病风险预测等领域具有重要意义。
Hugging Face Blog精选AI 评分8585 IBM 发布 Granite 4.2 推理模型家族：构建过程揭秘
IBM 发布了 Granite 4.2 推理模型家族，包括 3B、8B 和 30B 三个版本，这些模型基于 Granite-4.1 基础模型进行后训练，并支持工具调用和推理功能。
推荐理由：Granite 4.2 模型在推理能力上有所提升，并支持工具调用，读者可以了解其架构和训练过程。
Google Research精选AI 评分7272 Google Research 发布生物标志物发现框架：用于从可穿戴传感器数据中优先排序候选生物标志物
Google Research 发布了名为 Biomarker Discovery Framework 的多智能体系统，旨在从可穿戴传感器数据中优先排序候选生物标志物。该系统结合了假设生成、并行统计分析、模型训练、对抗验证和基于文献的推理，以加速生物标志物的发现过程，同时保持严格的统计严谨性和人类监督。
推荐理由：该研究提出了一种名为 Biomarker Discovery Framework 的多智能体系统，用于从可穿戴传感器数据中优先排序候选生物标志物，加速生物标志物的发现过程，同时保持严格的统计严谨性和人类监督。
Google Research精选AI 评分7272 移动性如何使语言模型对地点有更深入的理解
Google Research提出了一种动态的、基于移动性的框架，使AI模型能够理解地点随时间变化的时空活动节奏，从而显著提高对现实世界属性如营业时间、价格水平和繁忙程度的预测。
推荐理由：该研究提出了一个结合移动性和文本信息的框架，有助于AI模型更深入地理解地点，并显著提高对现实世界属性如营业时间、价格水平和繁忙程度的预测。
Microsoft Research精选AI 评分8585 Skala 1.1：扩展对 Skala 的访问以创建预测 DFT 的更快途径
Microsoft Research 发布了 Skala 1.1，这是一个基于深度学习的 DFT 方法，它在分子模拟领域取得了显著进展，包括热力学、反应动力学和分子结构预测。Skala 1.1 现已集成到多个软件包中，并引入了一个实时基准，以跟踪 Skala 的计算性能。
推荐理由：Skala 1.1 在分子模拟领域取得了显著进展，其更高的准确性和更广泛的可用性将推动计算化学模拟的发展。
Google Research精选AI 评分7272 利用智能手机图像估计身体成分：超越BMI预测心血管代谢风险
Google Research发布了一项研究，介绍了一种名为PhotoScan的深度学习框架，可以直接从标准2D智能手机照片中估计三维身体成分指标，包括体脂百分比、A/G比和V/S比，以预测胰岛素抵抗风险。
推荐理由：原文介绍了利用智能手机图像估计身体成分的新方法，读者可以了解其在心血管代谢风险预测中的应用潜力。
Hugging Face Blog精选AI 评分7272 Hugging Face开源高效知识蒸馏工具
Hugging Face开源了高效知识蒸馏工具，通过优化计算方式降低训练成本，使大规模实验成为可能。
推荐理由：该研究提出了高效的知识蒸馏方法，降低了大规模实验的成本，对AI领域具有实际应用价值。
Hugging Face Blog精选AI 评分8585 Hugging Face公布2026年7月安全事件披露
Hugging Face公布了一起由自主AI智能体系统驱动的入侵事件，详细描述了攻击过程和防御措施，强调AI在网络安全中的重要性。
推荐理由：原文详细描述了Hugging Face遭受的AI驱动入侵事件，以及他们如何利用AI进行检测和分析，对网络安全领域有重要参考价值。