Hugging Face 与 SkyPilot 联合推出零 egress 跨云存储挂载
Hugging Face 与 SkyPilot 联合发布 store: hf 存储后端，用一个 hf:// URL 和已有的 HF_TOKEN 就能把 Hugging Face Bucket 或任意 Hub 仓库挂载进 SkyPilot 任务。
#数据/训练
#数据/训练
今日 1 条Hugging Face BlogAI 评分5959
Hugging Face BlogAI 评分5858 Photoroom 拆解 PRX 预训练数据管线的构建方法
Photoroom 在 PRX 系列第 4 篇中详解其 7B 文生图模型的预训练数据管线：混合公开与内部数据集，用 VLM 重写长描述，再转成可流式读取的语料。
Google Research精选AI 评分6767 Google Research 发布表格数据零样本基础模型 TabFM
Google Research 发布面向表格数据分类与回归的基础模型 TabFM，将表格预测建模为上下文学习问题，无需手动训练、超参调优和特征工程，单次前向传播即可在未见过的表格上生成预测。
推荐理由：原文说明了混合注意力架构与合成数据训练如何替代传统特征工程和调参流程，便于评估其对现有工作流的替代空间。
Google ResearchAI 评分4545 Google Research 用线性弹性缓存优化云成本
Google Research 在 CIDR 发布论文提出线性弹性缓存（linear elastic caching），将页面淘汰建模为 ski rental 问题，用轻量级决策树模型动态预测页面 TTL，在内存占用与缓存未命中之间权衡以降低总拥有成本（TCO）。
Google ResearchAI 评分4747 Google Earth AI 发布英国树篱与林地矢量数据集
Google Research 联合牛津大学发布英国全境树篱、石墙与小片林地的矢量数据集，将此前的 Farmscapes 2020 像素级地图转化为可用于景观修复与碳核算的可操作清单。
Google ResearchAI 评分4444 Google Research 提出机器遗忘审计新框架 Regularized f-Divergence Kernel Tests
Google Research 在 AISTATS 2026 上提出机器遗忘审计新框架 Regularized f-Divergence Kernel Tests，通过相对距离测试衡量遗忘后模型更接近安全重训模型还是原始受污染模型。
Google Research精选AI 评分7070 Google Research 发表 Nature 论文：用智能手机前置摄像头被动监测心率
Google Research 在 Nature 发表论文介绍 PHRM 系统，可在日常使用手机时通过前置摄像头在人脸解锁后拍摄视频，被动估计心率与静息心率，心率 MAPE < 10%，日均静息心率相对可穿戴设备 MAE < 5 bpm。
推荐理由：原文给出了跨肤色非劣性标准与真实场景验证方法，可迁移用于评估rPPG类健康监测模型的公平性。
Google ResearchAI 评分5656 Google 开源水文洪水预测框架
Google Research 在 GitHub 上以 Apache 2.0 许可开源其水文建模框架，让各国气象水文部门把 AI 洪水预测接入自有工作流。
Google DeepMind精选AI 评分6262 Google DeepMind 推出 Gemini for Science 系列科学工具与实验
Google DeepMind 推出 Gemini for Science，包含 Google Antigravity 中的 Science Skills 以及 Google Labs 上三个实验工具。
推荐理由：原文列出了三个实验工具的具体能力与开放入口，读者可据此判断它会怎样嵌入现有科研工作流。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Decoupled DiLoCo 论文：跨区域分布式训练 LLM
Google DeepMind 发表新论文 Decoupled DiLoCo，将大训练任务拆分为解耦的算力岛屿并以异步数据流连接，使局部硬件故障不影响其他部分继续训练。
推荐理由：原文给出了带宽、容错和跨代硬件混训的具体实验结果，可据此评估分布式训练路线的实际可行性。
Berkeley AI ResearchAI 评分3232 GRASP：面向世界模型的梯度规划器，让长时程规划更稳健
伯克利 AI 研究团队提出梯度规划器 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）的长时程规划变得实用。该方法针对长时程 rollout 中梯度爆炸/消失、非贪心结构导致的局部极小值以及高维视觉模型梯度脆弱等问题。
Google ResearchAI 评分5050 Google Research 提出 Simula：基于机制设计的合成数据生成框架
Google Research 在 Transactions on Machine Learning Research 发表论文，提出 reasoning-first 的合成数据生成框架 Simula，通过全局多样性、局部多样性、复杂度和质量四个可控轴从第一性原理构建数据集。
Google ResearchAI 评分4545 Google Research 发布 ConvApparel 数据集：量化并弥合 LLM 用户模拟器的真实感差距
Google Research 发布 ConvApparel 数据集，包含服装购物领域 4,000+ 段人机多轮对话（近 15,000 轮），用于量化 LLM 用户模拟器与真实人类行为之间的差距。
Google ResearchAI 评分4545 Google Research 发布 S2Vec：用自监督框架学习城市建成环境的通用嵌入向量
Google Research 在 Google Earth AI 计划下推出自监督框架 S2Vec，通过 S2 Geometry 分区将建成环境栅格化为多层图像，再用 masked autoencoding（MAE）学习通用嵌入向量，无需人工标注即可预测人口密度、中位收入等指标。
Mistral AIAI 评分5858 Mistral AI 推出企业定制模型训练系统 Forge
Mistral AI 推出 Forge，帮助企业用自有专有知识训练前沿级 AI 模型，已与 ASML、Ericsson、European Space Agency 等机构合作。Forge 支持预训练、后训练和强化学习，兼容 dense 与 MoE 架构及多模态输入，并可由 Mistral Vibe 这类自主 agent 用自然语言完成微调、超参搜索与合成数据生成，同时监控指标防止基准回退。
Berkeley AI ResearchAI 评分3434 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 进一步借助层级结构，以约 10 倍更少的消融达到 SPEX 的性能。
Berkeley AI ResearchAI 评分2424 伯克利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，并在彩色摄影、射电天文、无透镜成像和显微成像四个领域验证其能预测解码器性能。该方法优化出的设计达到端到端 SOTA 方法水平，同时占用更少内存和算力，且无需任务专用解码器设计。
Berkeley AI ResearchAI 评分5050 BAIR 介绍分治式价值学习算法 Transitive RL
BAIR 发文介绍一种不依赖 TD 学习的强化学习算法 Transitive RL（TRL），它把轨迹切成等长两段并组合两段价值来更新整条轨迹的价值，使 Bellman 递归次数对数级减少，且无需像 TD-n 那样调超参数 n。
Berkeley AI ResearchAI 评分4747 word2vec 到底学到了什么？
Berkeley AI Research 的新论文为 word2vec 的学习过程给出了定量且可预测的理论：在合理近似下，其学习问题可化简为无权最小二乘矩阵分解，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。
Mistral AIAI 评分5252 Mistral 用 LoRA 微调 Pixtral-12B 做卫星影像分类的实践
Mistral AI 演示了用 LoRA 微调 Pixtral-12B 在 Aerial Image Dataset（AID）上做卫星影像场景分类的完整流程。
Mistral AIAI 评分5656 Mistral AI 发布首个 LLM 全生命周期环境影响研究
Mistral AI 与 Carbone 4、法国生态转型署（ADEME）合作，发布首个 LLM 全生命周期环境影响分析（LCA），并经 Resilio 和 Hubblo 评审。