曼彻斯特大学用 NVIDIA Earth-2 预测全英空气污染
曼彻斯特大学团队基于 NVIDIA Earth-2 的生成式模型 Earth-2 CorrDiff，在英国国家 AI 超算 Isambard-AI 上训练出覆盖全英、分辨率 2-3 平方公里的空气污染模型，训练仅耗时两天。
#数据/训练
#数据/训练
今日 0 条NVIDIA BlogAI 评分4242
Microsoft ResearchAI 评分3636 微软研究院推出 CARE-X：面向临床可用的放射学 VLM，结合辅助监督、奖励对齐学习与工具增强测量
微软研究院发布研究模型 CARE-X，一个统一胸部 X 光 VLM，可同时完成报告生成、结构化诊断预测、病灶定位与 29 个解剖区域定位等任务，并支持生成式与双路推理两种模式。
Berkeley AI ResearchAI 评分2222 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要隔离为自然语言"信念状态"并对其内容进行监督评分，以替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上，采用基于重构的信念评分后，ABBEL 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 长度也显著低于全上下文设置。
Google DeepMind精选AI 评分6666 Google DeepMind 在塞拉利昂测量 AI 学习效果
Google DeepMind 公布在塞拉利昂开展的预注册随机对照试验结果，使用 Guided Learning 的学生数学成绩比对照组提升 0.258 个标准差，约相当于八周内取得 1.2 至 1.7 年的常规学习进展。
推荐理由：塞拉利昂预注册随机对照试验给出了 Guided Learning 的量化增益与师生互动数据，可了解 AI 辅助教学的实证路径。
Google DeepMindAI 评分4040 剑桥大学教授用 Google Co-Scientist 寻找跨物种传染病的分子开关
剑桥大学 Clare Bryant 教授使用 Google Co-Scientist 研究流感等病原体跨物种传播时引发败血症等重症的分子开关，该工具生成并排序了一批候选假说，其中一个她此前未关注的蛋白与多个她感兴趣的信号通路相关。她随后加入未发表数据反复迭代，将假说从候选蛋白细化到具体氨基酸。Bryant 表示，原本需两到三年的氨基酸定位实验工作，其团队目前有望在六个月内完成。
Google DeepMindAI 评分3838 Calico 用 Google Co-Scientist 推进衰老生物学研究
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google 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。在整合应激反应（ISR）研究中，该工具提出了代谢调控 ISR 的新假设，团队据此优化实验设计并持续输入新结果，实验已产生对 ISR 在健康与疾病中作用有重要意义的新发现，团队计划发表这些结果。
Google DeepMindAI 评分4040 Google Co-Scientist 加速肝病机制发现，锁定 MASH 关键分子桥梁 NLRP3
爱丁堡大学团队用 Google Co-Scientist 研究 MASH 肝病，系统提出 NLRP3 炎症小体是连接炎症与代谢的分子桥梁，该假设随后经实验验证。面对潜在药物组合数量爆炸的问题，Co-Scientist 综合肝生物学与药理学证据，筛选出值得关注的机制和候选联合疗法。它还被用于解释已获批药物 resmetirom 为何仅对少数符合条件的 MASH 患者有效。
Google DeepMindAI 评分2222 Google DeepMind Co-Scientist 如何连接两个实验室推进 ALS 研究
Google DeepMind 的 Co-Scientist 帮助 MIT 的 Ritu Raman 快速梳理 ALS 相关文献，将想法转化为可检验假设并按可行性排序。
Google DeepMindAI 评分5858 斯坦福团队用 Co-Scientist 筛选肝纤维化药物，两候选药在实验中阻断纤维化
斯坦福大学医学院遗传学家 Gary Peltz 团队在《Advanced Science》发表研究，用 Google DeepMind 的 Co-Scientist 从现有药物文献中寻找可重用于治疗肝纤维化的候选药。
Google DeepMindAI 评分2222 Google DeepMind 推出 Decoupled DiLoCo：面向分布式 AI 训练的弹性新架构
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，将训练任务拆分为异步通信的"计算孤岛"，在硬件故障下仍能持续训练并自动恢复。该架构用 Gemma 4 模型验证，ML 性能与传统方法持平，并在美国四个区域以 2-5 Gbps 网络训练了 120 亿参数模型，速度比传统同步方法快 20 倍以上，还支持 TPU v6e 与 TPU v5p 混合训练。
Berkeley AI ResearchAI 评分2222 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，用于在大规模场景下识别 LLM 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。
Berkeley AI ResearchAI 评分2020 伯克利提出信息驱动成像系统设计框架，登 NeurIPS 2025
伯克利 AI 研究团队提出基于互信息的成像系统评估与优化框架，仅用含噪测量和噪声模型即可量化系统信息量，在彩色摄影、射电天文、无镜头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可媲美端到端 SOTA 方法，同时占用更少内存和算力，且无需任务专用解码器设计。