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。
NVIDIA 发布开源表格基础模型 Kumo Tabular，面向表格分类与回归，给定带标签的行即可在单次前向传播中预测新行标签，无需训练、调参和特征工程。模型提供 28M 到 215M 三种规模，仅用人工合成表格预训练，通过开源库 structured-data-models 运行，采用 OpenMDW-1.1 许可可商用。
推荐理由：原文给出模型规模、训练数据来源与四个基准排名，可据此判断表格基础模型相对梯度提升树的工作流差异。
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由跨序列、结构、功能、细胞状态和成像等多模态数据联合训练的生物学世界模型，以及连接模型、科学工具、文献与实验人员的交互式 harness 组成。
推荐理由：微软研究院公开 Quine 的生物学世界模型与实验闭环设计，并给出胰腺癌化合物筛选的湿实验验证结果。
Google 与 HHMI Janelia、剑桥大学等合作在 Cell 发表论文，发布雄性果蝇脑与中枢神经系统的完整连接组图谱，包含超过 166,000 个神经元和 1.25 亿个突触连接，是迄今按神经元数量计最大的脑图谱。
推荐理由：Google 与 HHMI Janelia 等合作发布迄今神经元数量最多的雄性果蝇完整连接组，并说明 AI 重建方法如何降低人工校对成本。