Google 开源其水文建模框架，用于 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。
#数据/训练
#数据/训练
今日 2 条Google ResearchAI 评分5757
Google ResearchAI 评分3434 Google 推出零信任聚合的隐私分析方案
Google 为隐私分析服务推出零信任聚合方案，结合新型单次消息加密聚合协议与 TEE，让设备无需多轮在线即可安全提交数据。该设计使 Google 只能获得人群的匿名聚合洞察，原始数据即使在硬件保护范围内也不会被暴露或重建，并通过 TEE 远程认证向参与者证明协议按公开代码正确执行。
Mistral AIAI 评分5858 Mistral 收购 Physics AI 公司 Emmi AI，加速工业 AI 布局
Mistral AI 宣布已签署最终协议，收购 Physics AI 先驱 Emmi AI，以强化其作为工业企业 AI 转型伙伴的定位。Emmi AI 成立于奥地利，专注 Physics AI 与大型工程模型，可把多日计算替换为实时仿真并构建数字孪生。其联合创始人及 30 多名研究人员和工程师将于 5 月加入 Mistral 的 Science 与 Applied AI 团队。
Google Research精选AI 评分7171 Google 发布 ERA 科研工具并开放 Computational Discovery
Google 发布基于 Gemini 的科研工具 Empirical Research Assistance（ERA），可搜索文献、编写并优化科学代码，相关成果已发表于 Nature。
推荐理由：Google 公开 ERA 在 Nature 的评测结果与八篇应用论文，读者可了解 AI 写科学代码在流行病预测、径流预报等领域的实际表现。
Google DeepMind精选AI 评分6060 Google DeepMind 用 Co-Scientist 加速细胞衰老逆转研究
Google DeepMind 发布博客介绍，生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 的实验室使用 Co-Scientist 辅助逆转细胞衰老研究。
推荐理由：Google DeepMind 官方披露 Co-Scientist 在衰老研究中的实际用法，读者可看到 AI 如何压缩文献筛选与数据分析周期。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini for Science 科研工具与实验
Google DeepMind 发布 Gemini for Science，包含 Google Labs 上的三个实验性工具：基于 Co-Scientist 的 Hypothesis Generation。
推荐理由：Google 把 Co-Scientist、AlphaEvolve 等能力打包成科研工具并开放申请，可据此判断智能体在科研流程中的落地方式。
Google DeepMindAI 评分3636 Google DeepMind 与新加坡达成国家 AI 合作，落地医疗、教育与气候项目
Google DeepMind 与新加坡政府启动国家 AI 合作，在新加坡推出医疗、科研、教育和气候等领域的新项目。合作探索 AI co-clinician 辅助诊疗，并用 AlphaFold、Google Earth 等工具推进东南亚传染病与疫情防控研究，同时向中小学至初级学院全体教育者提供 Gemini for Education。
Google DeepMindAI 评分2222 剑桥大学团队用 Co-Scientist 寻找跨物种传染病的分子开关
剑桥大学教授 Clare Bryant 正用 Google DeepMind 的 Co-Scientist 寻找病原体跨物种传播引发脓毒症等重症的分子开关。Co-Scientist 从她的流感基金申请中生成并排序假设，优先锁定了一个她此前未关注的蛋白，并随数据补充将假设细化到具体氨基酸。Bryant 团队正构建携带氨基酸突变的细胞系验证，原本需两到三年的工作有望在六个月内完成。
Google DeepMindAI 评分2222 Google DeepMind Co-Scientist 如何助力 Calico 探索衰老研究新路径
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google DeepMind 的 Co-Scientist 整合衰老生物学中零散的研究发现，并将其转化为可验证的假设。
Google DeepMindAI 评分2828 Google Co-Scientist 加速肝病机制发现，提出 MASH 组合疗法新假设
爱丁堡大学团队用 Google Co-Scientist 研究 MASH 肝病，系统整合肝脏生物学与药理学证据，提出 NLRP3 炎症小体是连接炎症与代谢的关键分子桥梁，该假设随后经实验验证。团队借此从海量潜在药物组合中筛选出可测试的候选联合疗法，并尝试解释 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 MIT 与波士顿儿童医院实验室推进 ALS 研究
Google DeepMind 的 Co-Scientist 帮助 MIT 机械工程师 Ritu Raman 快速梳理 ALS 相关矛盾文献，将想法转为可检验假设并按可行性与风险收益排序研究方向。
Google DeepMindAI 评分3636 Google Co-Scientist 助力发现肝纤维化再利用药物，vorinostat 阻断 91% 损伤反应
斯坦福大学医学院遗传学家 Gary Peltz 团队用 Google Co-Scientist 从已有药物文献中筛选肝纤维化候选药，其提出的 3 个候选中有 2 个在活体人类肝细胞测试中阻断纤维化并促进肝细胞再生，而 Peltz 自己挑选的 2 个药物均无效。表现最突出的是抗癌药 vorinostat，阻断了 91% 可驱动肝硬化的损伤反应。相关研究已发表于 Advanced Science。
Google DeepMind精选AI 评分6060 WeatherNext 如何帮助美国国家飓风中心预测飓风 Melissa 登陆牙买加
Google DeepMind 与 Google Research 开发的 AI 天气模型 WeatherNext 帮助美国国家飓风中心提前五天预测飓风 Melissa 将以五级强度登陆牙买加，置信度达 80%，三天前升至接近 100%。
推荐理由：原文给出 WeatherNext 在飓风路径与强度预测上的实际表现，读者可了解 AI 天气模型如何辅助官方预警决策。
Google ResearchAI 评分2222 Google Research 如何通过全球合作与开放资源推动科学影响
Google Research 公布其开源工具与开放数据集已支持全球超 25 万名研究者和开发者。其基因组学工具 DeepVariant、DeepConsensus 和 DeepPolisher 已帮助全球处理 250 万人的外显子组和全基因组，与 UCSC 合作将遗传变异识别错误降低 50%。
Google Research精选AI 评分6060 Google Research 科学家如何使用 Empirical Research Assistance 的四种方式
Google Research 介绍了科学家使用 Empirical Research Assistance（ERA）的四个真实科研案例，覆盖流行病预测、宇宙学、气候监测和神经科学。
推荐理由：四个跨领域案例展示了 ERA 如何从预测建模延伸到可解释的机制发现，可了解 AI 辅助科研的具体落地方式。
Google DeepMindAI 评分3838 Google DeepMind 与韩国科学技术信息通信部达成 AI 合作
Google DeepMind 宣布与韩国科学技术信息通信部（MSIT）建立合作，将在首尔办公室设立 AI Campus，向韩国学界开放 AlphaEvolve、AlphaGenome、AlphaFold、AI co-scientist 和 WeatherNext 等前沿模型，首批合作机构包括首尔大学、KAIST 及该部的三个 AI Bio Innovation Hubs。
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 Decoupled DiLoCo 分布式训练架构，将训练拆分为异步通信的计算孤岛，降低带宽需求并隔离硬件故障。测试中该系统在整块 learner unit 掉线后仍能继续训练并重新接入，用 Gemma 4 模型达到与传统训练相当的基准性能。
推荐理由：原文给出跨数据中心异步训练在带宽、容错与混合硬件上的实测结果，可据此判断分布式预训练的工程取舍。
Google ResearchAI 评分4747 Google Research 提出 ReasoningBank：让 AI 智能体从成功与失败经验中学习
Google Research 在 ICLR 论文中提出 ReasoningBank，一种从成功与失败经验中提炼结构化推理记忆的智能体框架，配合 memory-aware test-time scaling（MaTTS）实现测试时自我进化。
Google ResearchAI 评分4242 Google Research 提出 Simula：用推理优先框架从第一性原理设计合成数据集
Google Research 提出合成数据生成框架 Simula，将数据集构建重构为机制设计问题，通过全局多样化、局部多样化、复杂化和双评审质量检查四个步骤，从第一性原理生成数据集，无需种子数据。
Google ResearchAI 评分3434 Google Research 用 AI 合成神经元加速脑图谱重建，错误率降低 4.4%
Google Research 提出 MoGen 模型，通过点云流匹配生成合成神经元形态，为 PATHFINDER 重建模型补充训练数据，使小鼠轴突重建错误率降低 4.4%，主要来自合并错误的减少。该团队称，在完整小鼠脑规模下，这一改进相当于节省 157 人年的手动校对工作。MoGen 已作为开源模型发布，论文将在 ICLR 2026 展示。
Google ResearchAI 评分3131 Google Research 发布 ConvApparel：测量并弥合用户模拟器的真实感差距
Google Research 推出 ConvApparel 数据集，包含服装购物领域超 4000 段人机多轮对话、近 15000 轮，用于量化 LLM 用户模拟器与真实人类的真实感差距。
Google ResearchAI 评分3131 Google Research 研究：AI 评测需要多少标注者才够？
Google Research 在《Forest vs Tree: The (N, K) Trade-off in Reproducible ML Evaluation》中提出，AI 评测常用的每项 1-5 名标注者往往不足，要反映人类意见差异常需每项超过 10 名标注者。
Google Research精选AI 评分6262 Google 发布 TurboQuant 等三种向量量化算法，将 KV cache 压缩至 3 bit
Google 发布 TurboQuant 压缩算法，并配套提出 QJL 与 PolarQuant，用于解决向量量化中的内存开销问题。
推荐理由：Google 提出 TurboQuant 等三种向量量化算法，可在不损失精度下把 KV cache 压到 3 bit，读者可了解其原理与实测结果。
Google ResearchAI 评分3232 Google Research 推出 S2Vec：用自监督嵌入学习城市建成环境
Google Research 发布自监督框架 S2Vec，通过 S2 Geometry 网格划分与特征栅格化，把道路、建筑、商铺等建成环境数据转成多层图像，再用掩码自编码（MAE）学习通用嵌入向量。
Google ResearchAI 评分4242 Google Research 在 The Check Up 展示医疗 AI 进展：从个性化护理到公共卫生
Google Research 在 The Check Up 活动上公布多项医疗 AI 进展：与 Fitbit 合作研究发现，模拟协作医疗团队的 Personal Health Agent（PHA）比单一任务应用更能支持长期健康。
Google Research精选AI 评分6262 Google 与 NHS 合作研究：AI 辅助乳腺筛查可减少 46% 人工读片量
Google Research 与多家 NHS 机构合作的 AIMS 研究在 Nature Cancer 发表两项研究，评估 AI 用于乳腺筛查的表现与流程整合。
推荐理由：两项 Nature Cancer 研究给出 AI 参与乳腺筛查的具体检测率与读片量变化，可了解人机协作流程的实际收益与局限。
Mistral AI精选AI 评分6767 Mistral AI 推出 Forge，让企业用自有知识训练前沿模型
Mistral AI 发布 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 同时支持 dense 和 MoE 架构，并可按需支持多模态输入，模型可在企业内部基础设施中训练与治理。官方称已与 ASML、Ericsson、欧洲空间局等机构合作，并支持 Mistral Vibe 等智能体用自然语言完成微调、调参与合成数据生成。
推荐理由：Mistral 官方披露 Forge 的训练流程与架构支持，可据此判断企业自建前沿模型的门槛与路径。
Mistral AIAI 评分5858 Mistral AI 与 NVIDIA 合作，共同开发前沿开源模型
Mistral AI 宣布作为创始成员加入 NVIDIA Nemotron Coalition，并与 NVIDIA 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。
Berkeley AI ResearchAI 评分3636 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 进一步借助层次结构，以约少 10 倍的消融次数达到 SPEX 的性能。在情感分析任务上，SPEX 在上下文扩展至数千特征时仍保持高忠实度，优于 LIME、Banzhaf 等方法。
Google Research精选AI 评分6969 Google 在 Flood Hub 上线城市山洪预报，提前 24 小时预警
Google 宣布在 Flood Hub 上线城市山洪预报，可提前最多 24 小时预测城市山洪风险。该模型基于 RNN 与 LSTM 架构，使用 Gemini 从公开新闻报道中提取历史山洪事件构建 Groundsource 数据集进行训练，目前以 20x20 公里分辨率运行，覆盖人口密度超过每平方公里 100 人的区域。
推荐理由：Google 把城市山洪预警扩展到 Flood Hub，读者可了解其用 Gemini 从新闻中提取训练数据的方法与全球覆盖思路。
Google Research精选AI 评分6060 Google 推出 Groundsource，用 Gemini 将新闻报道转为灾害数据
Google 发布 Groundsource，一种用 Gemini 从非结构化新闻中提取灾害事件的方法，首个开放数据集收录 260 万条城市山洪记录，覆盖 150 多个国家、时间跨度从 2000 年至今。
推荐理由：Google 用 Gemini 从 80 种语言的新闻中抽取洪水事件，构建 260 万条历史数据集，并给出人工核验的准确率。
Berkeley AI ResearchAI 评分2626 Berkeley AI Research 提出信息驱动成像系统设计框架，登 NeurIPS 2025
Berkeley AI Research 提出一种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，在彩色摄影、射电天文、无透镜成像和显微镜四个领域预测解码器性能。该方法用已知噪声物理直接计算 H(Y|X)，仅需学习 H(Y)，优化后的设计在更少内存和算力、无需任务专用解码器的情况下达到与端到端方法相当的水平。
Berkeley AI ResearchAI 评分3434 无需 TD 学习的强化学习：分治法如何扩展到长时程任务
一篇新研究提出用"分治"范式替代时序差分（TD）学习来做 off-policy 强化学习，通过将轨迹对半切分并组合子段价值来更新整体价值，理论上把 Bellman 递归次数从线性降到对数级。
Berkeley AI ResearchAI 评分3131 word2vec 究竟学到了什么：伯克利提出可闭式求解的学习理论
伯克利 AI 研究团队提出首个可定量预测 word2vec 学习过程的理论，证明在现实训练条件下其学习问题可化简为无权重最小二乘矩阵分解，梯度流动态有闭式解，最终学到的表示等价于对目标矩阵 M* 做 PCA。
Mistral AIAI 评分3636 Mistral 用 LoRA 微调 Pixtral-12B 提升卫星图像分类能力
Mistral 通过 LoRA 微调 Pixtral-12B 处理卫星图像，在 Aerial Image Dataset（AID）的 8000 训练样本与 2000 测试样本上显著优于未微调基线。
Mistral AIAI 评分3838 Mistral AI 发布首个 AI 模型全生命周期环境影响研究，披露 Mistral Large 2 碳足迹
Mistral AI 与 Carbone 4、ADEME 合作完成首个 AI 模型全生命周期分析，并披露 Mistral Large 2 截至 2025 年 1 月的环境影响：训练加 18 个月使用共产生 20.4 ktCO₂e、消耗 281000 m³ 水和 660 kg Sb eq。