Google DeepMind 的 WeatherNext 气旋预报模型实现突破并开源
Google DeepMind 在 Nature 发表论文，其 WeatherNext AI 模型在气旋路径、强度和风场结构预报上达到 SOTA，平均多出一天以上的预警提前量，三天预报精度相当于此前模型的两天水平。
推荐理由：原文给出气旋路径与强度预报的领先精度和开源入口，读者可了解单一模型如何替代全球与局地两套建模。
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 41 条Google DeepMind精选AI 评分7676
Microsoft Research精选AI 评分6262 微软研究院发布 Echoverse：面向 computer-use 智能体的深度演化环境
微软研究院提出 Echoverse，为 computer-use 智能体构建 12 个训练世界，包括 10 个完整领域世界和 2 个能力世界，每个世界由环境、任务和基于数据库的验证器三部分组成。
推荐理由：微软研究院公开了 Echoverse 的构建流程与训练数据，读者可据此了解高保真合成环境如何影响 computer-use 智能体的训练效果。
Google Research精选AI 评分6262 Google Research 发布 SensorFM：面向可穿戴健康数据的通用基础模型
Google Research 发布 SensorFM，一个从无标注可穿戴数据中学习的大型传感器基础模型，预训练语料来自500万同意参与者、超过一万亿分钟的多模态传感器信号，覆盖100多个国家和20多种 Fitbit 与 Pixel Watch 设备。
推荐理由：原文给出万亿分钟级可穿戴数据预训练与35项健康任务评测，读者可了解通用生理表征的规模化路径。
Google Research精选AI 评分7171 Google 发布 TabFM：面向表格数据的零样本基础模型
Google Research 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，将表格预测重构为上下文学习问题，无需手动训练、超参数调优和特征工程，单次前向传播即可对未见过的表格生成预测。
推荐理由：原文给出零样本表格预测的架构设计与合成数据训练思路，读者可据此判断它能否替代传统树模型流程。
Google Research精选AI 评分6262 Google 开源水文建模框架，支持机构自建 AI 洪水预报
Google Research 在 GitHub 上以 Apache 2.0 许可开源其水文建模框架，让各国气象与水文机构能用与 Google Flood Hub 相同的架构和相近训练数据训练 AI 洪水预报模型。
推荐理由：Google 把驱动 Flood Hub 的水文模型架构与训练流程开源，读者可了解其预测窗口提升与本地化接入方式。
Mistral AI精选AI 评分6060 Mistral 推出物理 AI，将 Emmi AI 并入企业工程栈
Mistral 宣布将 Emmi AI 并入公司，并在其企业解决方案中构建物理 AI 这一基础能力，用于 AI 原生的工业工程。该能力从几何与边界条件直接预测物理场，单次前向推理在单 GPU 上以秒级完成，定位为设计迭代的吞吐量提升，传统求解器仍用于验证和边缘场景。
推荐理由：Mistral 把物理仿真模型纳入企业平台，读者可了解其与传统求解器的分工和适用场景。
Google Research精选AI 评分7171 Google 的 ERA 在 Nature 发表，并随 Computational Discovery 开放
Google 公布 Empirical Research Assistance（ERA），一款用 Gemini 编写和优化科学代码的研究工具，相关论文今日发表于 Nature。
推荐理由：原文给出 ERA 在 Nature 发表的跨学科基准表现与八篇应用手稿，读者可据此判断 AI 辅助科学编码的落地范围。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布论文提出 Decoupled DiLoCo 分布式训练架构，将训练拆分为解耦的计算岛屿并异步传输数据，从而隔离局部硬件故障。
推荐理由：原文给出分布式训练新架构的带宽、容错与跨代硬件实测数据，可据此判断大规模预训练基础设施的演进方向。
Google Research精选AI 评分7171 Google 与 NHS 合作研究：AI 辅助乳腺癌筛查的双读流程评估
Google Research 与多家 NHS 机构合作在 Nature Cancer 发表两项研究，评估 AI 乳腺癌检测系统在筛查流程中的表现。
推荐理由：两项 Nature Cancer 研究给出 AI 作为第二读片人的前瞻部署数据，可了解其在真实筛查流程中的表现与局限。
Mistral AI精选AI 评分6262 Mistral AI 推出 Forge，让企业用自有知识训练前沿模型
Mistral AI 推出 Forge，一套让企业基于自有专有知识构建前沿级 AI 模型的系统，支持预训练、后训练和强化学习等阶段。Forge 支持 dense 与 MoE 两种架构，并可按需支持多模态输入，模型可在企业自有基础设施内训练与治理。
推荐理由：Mistral 官方给出企业自建前沿模型的分阶段训练路径与已合作机构名单，可据此判断企业定制模型的落地方式。
Mistral AI精选AI 评分6060 Mistral AI 与 NVIDIA 合作，成为 NVIDIA Nemotron Coalition 创始成员
Mistral AI 宣布以创始成员身份加入 NVIDIA Nemotron Coalition，双方计划共同开发前沿开源 AI 模型，结合 Mistral AI 的模型架构与全栈平台和 NVIDIA 的算力、模型开发工具及合成数据生成管线。
推荐理由：Mistral AI 以创始成员身份加入 NVIDIA Nemotron Coalition，读者可了解开放前沿模型的联合开发路径与分工。
Google Research精选AI 评分7171 Google 在 Flood Hub 上线城市山洪预报，可提前 24 小时预警
Google 宣布在 Flood Hub 上线城市山洪预报，利用新的 AI 方法可在城市区域提前最多 24 小时预测山洪风险。由于山洪缺乏河流水位站等地面真值数据，Google 用 Groundsource 方法借助 Gemini 分析公开新闻报道，提取出历史山洪事件数据集，用于训练和评估新模型。
推荐理由：Google 把城市山洪预警接入 Flood Hub，读者可了解其用 Gemini 从新闻中提取历史灾情训练模型的做法。
Google Research精选AI 评分6666 Google 推出 Groundsource，用 Gemini 将新闻报道转为灾害数据
Google 推出 Groundsource，一种用 Gemini 从非结构化新闻中提取灾害数据的方法，并发布首个开放数据集，包含 2000 年至今 150 多个国家的 260 万条城市山洪记录。人工复核显示 60% 的提取事件在地点和时间上准确，82% 足以用于实际分析。基于该数据，Google 已在 Flood Hub 推出提前 24 小时的近全球城市山洪预报。
推荐理由：原文给出了用 Gemini 从新闻抽取灾害数据的方法与验证结果，读者可据此判断 LLM 构建历史基准的可行边界。
Mistral AI精选AI 评分6262 Mistral AI 完成 1.7B€ C 轮融资，ASML 领投
Mistral AI 宣布完成 1.7B€ 的 C 轮融资，投后估值 11.7B€，由半导体设备厂商 ASML 领投，DST Global、Andreessen Horowitz、Bpifrance、General Catalyst、Index Ventures、Lightspeed 和 NVIDIA 等现有投资方参投。
推荐理由：Mistral AI 完成 1.7B€ C 轮融资，由 ASML 领投，读者可据此了解欧洲大模型公司的资本与产业合作走向。
Qwen Blog精选AI 评分6060 Qwen 团队提出 GSPO：面向语言模型的可扩展强化学习算法
Qwen 团队提出 Group Sequence Policy Optimization（GSPO）算法，基于序列似然定义重要性比率并做序列级裁剪、奖励和优化。
推荐理由：原文给出 GSPO 与 GRPO 在训练稳定性、效率和 MoE 场景下的对比，读者可据此理解 RL 扩展的算法取舍。
Qwen Blog精选AI 评分7878 Qwen2.5-Max 发布：超 20 万亿 token 预训练的大规模 MoE 模型
Qwen2.5-Max 是预训练超过 20 万亿 token 的大规模 MoE 模型，并经过 SFT 与 RLHF 后训练，现已在 Qwen Chat 上线并通过阿里云提供 API，模型名为 qwen-max-2025-01-25。
推荐理由：原文给出 Qwen2.5-Max 的预训练规模与多项基准对比，读者可据此判断大规模 MoE 路线的能力位置。
Qwen Blog精选AI 评分8585 阿里开源 Qwen2.5 系列大语言模型，覆盖 0.5B 到 72B
阿里发布 Qwen2.5 系列大语言模型，开源 0.5B、1.5B、3B、7B、14B、32B、72B 共七款，并新增 Qwen-Plus 与 Qwen-Turbo 通过阿里云百炼 API 提供。
推荐理由：原文给出七款开源模型的参数、许可与基准对比，读者可据此判断不同尺寸模型的选型与部署成本。
Qwen Blog精选AI 评分7171 Qwen2.5-Coder 开源发布，含 1.5B 与 7B 版本
Qwen 发布新一代开源代码模型 Qwen2.5-Coder，提供 1.5B、7B 两个版本，32B 版本即将推出，同时将 CodeQwen 正式更名为 Qwen-Coder。
推荐理由：原文给出 1.5B 与 7B 开源版本、5.5 万亿 token 训练规模和多项基准对比，可据此判断开源代码模型当前水平。
Qwen Blog精选AI 评分8282 Qwen2 系列开源发布，含 0.5B 至 72B 五个尺寸
Qwen2 系列开源发布，包含 Qwen2-0.5B、1.5B、7B、57B-A14B 和 72B 五个尺寸的预训练与指令微调模型，已在 Hugging Face 和 ModelScope 上线。
推荐理由：原文给出 Qwen2 五个尺寸的完整规格、上下文长度与基准对比，可据此判断开源模型选型。
Qwen Blog精选AI 评分7272 Qwen1.5-110B 发布：Qwen1.5 系列首个千亿参数级模型
Qwen1.5 系列发布首个 100B+ 模型 Qwen1.5-110B，采用与同系列一致的 Transformer 解码器架构，包含分组查询注意力（GQA），支持 32K token 上下文和多语言。
推荐理由：官方给出 Qwen1.5-110B 与 Llama-3-70B、Mixtral-8x22B 的基准对比，可据此判断百亿级开源模型的规模扩展收益。