中国开源 AI 生态的架构选择：超越 DeepSeek 之后
中国开源模型已几乎一致转向 MoE 架构，Kimi K2、MiniMax M2、Qwen3 均采用该路线，以在成本约束下兼顾能力与灵活部署。0.5B–30B 小模型成为本地运行与微调主力，Apache 2.0 接近默认许可证。DeepSeek-V3.2-Exp 获华为昇腾与寒武纪 day-zero 支持，蚂蚁 Ling 用国产芯片训练 1 万亿 token 成本降约 20%。
#数据/训练
#数据/训练
今日 2 条Hugging Face BlogAI 评分2828 Hugging Face BlogAI 评分2222 Hugging Face 发布 Alyah 基准，评估阿拉伯语 LLM 的阿联酋方言能力
Hugging Face 推出 Alyah（الياه，意为北极星）基准，用于评估阿拉伯语 LLM 对阿联酋方言的语言、文化与语用理解能力。该基准含 1,173 条由阿联酋母语者手工采集的样本，均为四选一选择题，覆盖问候、诗歌、遗产知识等七类内容。团队共评测 54 个模型，其中 google/gemma-3-27b-pt 以 74.68 的准确率居首。
OpenAI NewsAI 评分4242 OpenAI 推出 Prism：内置 GPT-5.2 的免费 LaTeX 原生工作空间
OpenAI 推出 Prism，一个内置 GPT-5.2 的免费 LaTeX 原生工作空间，帮助研究人员在同一处完成写作、协作与推理。
Google ResearchAI 评分3131 Google Research 推出 GIST：智能采样的下一阶段
Google Research 在 NeurIPS 2025 提出 GIST（Greedy Independent Set Thresholding）算法，用于训练数据子集选择，在图像分类等任务上超越现有基准，并首次为该多样性-效用权衡提供可证明的近似保证——所选子集价值至少达到最优解的一半。GIST 通过将多样性-效用问题拆解为一系列最大独立集问题，用双准则贪心算法在多个距离阈值上逼近求解。
Hugging Face Blog精选AI 评分6262 微软发布 Differential Transformer V2：差分注意力无需自定义 kernel
微软团队发布 Differential Transformer V2，通过为每个 token 和每个 head 投影 λ 并只增加 query head 数量、保持 KV head 不变，使解码速度与标准 Transformer 持平且无需自定义注意力 kernel。
推荐理由：微软团队给出 Differential Transformer V2 的注意力实现与消融对比，读者可了解差分注意力在解码速度与训练稳定性上的取舍。
Google ResearchAI 评分3636 Google Research 验证 Android Auto 急刹车事件可作为路段碰撞风险的先行指标
Google Research 利用 Android Auto 的匿名聚合急刹车事件（HBE，前向减速度超过 -3m/s²）数据，结合弗吉尼亚州和加州 10 年公开碰撞数据，通过负二项回归模型证实 HBE 频率与路段碰撞率呈显著正相关。
Google Research精选AI 评分6262 NeuralGCM 用 AI 改进全球长期降水模拟
Google Research 在 Science Advances 发表论文，介绍混合模型 NeuralGCM 直接使用 NASA 2001 至 2018 年卫星降水观测训练其机器学习部分，而非依赖再分析数据。
推荐理由：NeuralGCM 改用卫星降水观测训练后，在 15 天预报与数十年气候模拟上均优于传统模型，读者可了解混合建模路线的具体收益。
Berkeley AI ResearchAI 评分3232 伯克利提出信息驱动成像系统设计框架，可跨四类成像任务预测性能
伯克利 AI Research 提出一种基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化信息含量，无需重建算法或任务专用解码器。该框架在彩色摄影、射电天文、无镜头成像和显微成像四个领域预测了解码器性能，优化后的设计达到端到端方法水平，且内存和算力需求更低。相关论文发表于 NeurIPS 2025。
Hugging Face BlogAI 评分4040 Hugging Face 发布 Falcon-H1-Arabic：采用混合 Mamba-Transformer 架构的阿拉伯语模型系列
Hugging Face 发布 Falcon-H1-Arabic 阿拉伯语模型系列，含 3B、7B、34B 三个规模，采用 Mamba 与 Transformer 注意力并行的 Falcon-H1 混合架构。
Hugging Face BlogAI 评分3636 Transformers v5 重构 Tokenization：更简单、更清晰、更模块化
Hugging Face 发布 Transformers v5，将 tokenizer 架构与训练词表分离，类似 PyTorch 分离网络结构与权重，使 tokenizer 可检查、可定制、可从零训练。v5 引入清晰的类层级和单一快速后端，并保留 BPE、Unigram、WordPiece 等算法支持。
Google ResearchAI 评分3434 Google 提出 Urania：用差分隐私框架洞察 AI 聊天机器人使用情况
Google Research 在 COLM 2025 论文中提出 Urania 框架，通过差分隐私（DP）聚类与 DP 关键词提取，从 LLM 聊天机器人对话中生成使用洞察，且不依赖 LLM 自行脱敏。该框架用隐私预算 ε 提供端到端数学保证，LLM 仅基于匿名关键词生成摘要，不接触原始对话。对比非隐私基线 Simple-CLIO，DP 摘要最高有 70% 的概率被 LLM 评估者偏好。
Google DeepMindAI 评分5050 Google DeepMind 与英国政府深化合作：用 AI 推动科学、教育与国家安全
Google DeepMind 宣布深化与英国政府的合作，向英国科学家优先开放 AlphaEvolve、AlphaGenome、AI co-scientist 和 WeatherNext 等"AI for Science"模型，并将在 2026 年于英国建立其首个自动化材料科学实验室，该实验室将与 Gemini 全面集成。
Google Research精选AI 评分6262 Google 发布 Titans 与 MIRAS：让 AI 拥有长期记忆
Google Research 发布 Titans 架构和 MIRAS 理论框架，将 RNN 的速度与 Transformer 的精度结合，实现测试时记忆。Titans 用深度神经网络作为长期记忆模块，通过 surprise 指标、动量和自适应权重衰减选择性存储信息；MIRAS 则统一了序列建模的四个设计选择，并衍生出 YAAD、MONETA、MEMORA 三个无注意力模型。
推荐理由：Google 提出 Titans 架构与 MIRAS 框架，用深度神经网络做长期记忆模块，在超长上下文任务上超过 GPT-4。
Google DeepMindAI 评分3838 科学家用 AlphaFold 改造光合作用关键酶，培育耐热作物
密歇根州立大学团队借助 AlphaFold 预测植物与嗜热藻类中甘油酸激酶（GLYK）的 3D 结构，发现植物版 GLYK 的三个柔性环在高温下变形失稳。研究人员用藻类 GLYK 中更刚性的环替换这些不稳定片段，构建的杂合酶中有一个在高达 65 °C 时仍保持稳定，为培育耐热作物提供了路径。
Hugging Face BlogAI 评分3636 DeepMath：基于 smolagents 的轻量级数学推理 Agent
Intel AI Software Group 发布 DeepMath，一个基于 Qwen3-4B Thinking、用 GRPO 微调的轻量级数学推理 Agent，通过 smolagents 生成 Python 片段并在沙箱执行，将输出长度最多缩短 66%，同时在 MATH500、AIME、HMMT、HLE 等基准上提升准确率。
Google ResearchAI 评分3131 Google 发布 MSEB：面向听觉智能的大规模声音嵌入基准
Google Research 在 NeurIPS 2025 发布大规模声音嵌入基准 MSEB，用统一框架评测检索、推理、分类、转录、分割、聚类、重排与重建八项听觉能力。
Hugging Face Blog精选AI 评分7575 Hugging Face 发布 Transformers v5：以简化模型定义支撑 AI 生态
Hugging Face 发布 Transformers v5.0.0rc-0，距 v4 首个候选版已五年，如今该库每天通过 pip 安装超 300 万次，累计安装量突破 12 亿。
推荐理由：官方梳理了 v5 在简化模型定义、训练与推理上的改动，可据此判断生态工具链的兼容方向。
Google DeepMindAI 评分3434 AlphaFold 五年影响：从蛋白质结构预测到全球科研基础设施
AlphaFold 2 自 2020 年在 CASP 14 上解决蛋白质结构预测难题以来，其免费开放的 AlphaFold Protein Database 已发布超 2 亿个蛋白质结构预测，被 190 多个国家的 300 多万名研究者使用。该数据库相关研究被引用超 3.5 万篇，另有逾 20 万篇论文在方法中融入了 AlphaFold 2，这项工作于 2024 年获得诺贝尔化学奖。
Hugging Face Blog精选AI 评分6262 Hugging Face TRL 官方集成 RapidFire AI，微调实验提速最高 20 倍
Hugging Face TRL 官方集成 RapidFire AI，用户可用 RFSFTConfig、RFDPOConfig、RFGRPOConfig 近乎零代码替换原有 SFT/DPO/GRPO 配置，并发运行多个微调配置。
推荐理由：官方集成给出了并发配置对比的调度机制与实测加速数据，可据此判断微调实验流程能压缩多少时间。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 WeatherNext 2 天气预报模型
Google DeepMind 与 Google Research 发布 WeatherNext 2，称其生成预报速度提升 8 倍，分辨率最高可达 1 小时。
推荐理由：原文给出生成速度、分辨率与可用入口，读者可据此判断该模型在天气预报工作流中的位置。
Google ResearchAI 评分5858 Google 与 DeepMind 发布 2020 年全球天然林地图与数据集
Google Research 与 Google DeepMind 联合发布 Natural Forests of the World 2020，这是首个全球一致、10 米分辨率、区分天然林与其他树冠的地图与数据集，论文发表于 Nature Scientific Data。
Google ResearchAI 评分4242 Google 发布 JAX-Privacy 1.0：面向大规模机器学习的差分隐私工具库
Google 发布 JAX-Privacy 1.0，这是基于 JAX 构建的差分隐私工具库，支持 DP-SGD、DP-FTRL 及 DP matrix factorization 等算法，并可与 JAX 原生并行能力配合实现数据与模型并行。新版本重新设计以提升模块化，内置微批处理与 padding 以处理大规模变长批次，并基于 Google 的 DP 核算库提供噪声校准与审计工具。
Google DeepMindAI 评分3838 Google DeepMind 研究：让 AI 像人类一样“看”世界
Google DeepMind 在 Nature 发表新研究，提出三步对齐方法，用 THINGS 数据集训练 SigLIP-SO400M 上的适配器生成百万级图像的 AligNet 数据集，再微调其他视觉模型，使其内部表征按人类概念层级重新组织。该方法改善了模型在“odd-one-out”任务上与人类判断的一致性，并提升了鲁棒性与泛化能力。
Google ResearchAI 评分5050 Google 提出 Nested Learning：面向持续学习的新 ML 范式
Google Research 在 NeurIPS 2025 论文中提出 Nested Learning，将模型架构与优化算法统一为多层嵌套的优化问题，并给出概念验证架构 Hope。Hope 是 Titans 架构的变体，在语言建模上表现更优，长上下文记忆管理优于现有 SOTA 模型。该范式还衍生出深度优化器和连续记忆系统（CMS）等改进方向。
Google ResearchAI 评分4040 Google 发布 DS-STAR：面向异构数据的最先进数据科学智能体
Google 推出数据科学智能体 DS-STAR，通过数据文件分析、LLM 评判验证与顺序规划三项创新，在 DABStep、KramaBench、DA-Code 上均超越 AutoGen 和 DA-Agent，准确率分别从 41.0% 提升至 45.2%、39.8% 至 44.7%、37.0% 至 38.5%，并登顶 DABStep 公开榜单。
Google DeepMindAI 评分3636 Google DeepMind 用 AI 绘制物种分布、预测森林砍伐并升级生物声学模型 Perch
Google 发布三项生物圈研究成果：与 World Resources Institute 合作开发森林流失驱动因素模型，以 1km² 分辨率覆盖 2000-2024 年，并开放 30 米尺度砍伐风险预测基准数据集。
Google ResearchAI 评分3838 Google 发布 ForestCast：用深度学习预测森林砍伐风险
Google 发布 ForestCast，基于纯卫星数据与 vision transformers 预测森林砍伐风险，并公开首个面向该任务的基准数据集。模型仅用 Landsat 和 Sentinel 2 卫星数据及"变化历史"输入，精度可匹配或超过依赖道路、人口密度等专用地图的传统方法，且可在全球任意区域一致应用。团队同时公开全部输入、训练与评估数据，供社区复现并改进模型。
Google ResearchAI 评分3636 Google Research 发布 Earth AI、DeepSomatic 与 Quantum Echoes 等最新突破
Google Research 在 Research@MTV 活动上公布三项最新突破：Google Earth AI、DeepSomatic 与 Quantum Echoes。
Hugging Face BlogAI 评分3838 MiniMax M2 如何重新思考智能体泛化：对齐基准还是对齐用户？
MiniMax M2 在智能体后训练中提出"交错思考"（Interleaved Thinking），让模型在任务任意阶段都能思考，以应对工具输出带来的外部扰动。团队发现单纯扩展工具数量无法带来真正泛化，转而构建覆盖工具信息、系统提示词、用户提示词、环境与工具响应全轨迹的数据管线。内部测试中，M2 在陌生"冷启动"框架下工具调用与指令遵循表现均超出预期。
Hugging Face Blog精选AI 评分6565 Hugging Face 博客：全球算力格局正在如何变化
Hugging Face 发布博客《On the Shifting Global Compute Landscape》，梳理中国开源权重模型与国产芯片互相牵引的现状：过去几个月，华为昇腾、寒武纪等芯片已开始承载部分高性能开源模型的推理，部分模型开始用国产芯片训练。
推荐理由：梳理中国开源模型与国产芯片互相牵引的路径，帮助读者理解算力受限如何影响模型架构与部署选择。
Hugging Face Blog精选AI 评分6262 Hugging Face 改进 datasets 流式加载，请求量减少 100 倍
Hugging Face 发布 datasets 库流式加载的性能改进，保持 streaming=True 的原有 API 不变，数据文件解析速度提升 10 倍、启动请求最多减少 100 倍、流式速度最多提升 2 倍。
推荐理由：Hugging Face 官方给出流式加载的性能改进细节与配置方式，读者可据此判断大规模训练的数据读取成本。
Hugging Face BlogAI 评分3030 Hugging Face 发起 AI for Food Allergies 项目，用 AI 推进食物过敏研究
Hugging Face 发起 AI for Food Allergies 项目，计划打造首个社区驱动的研究实验室，探索 AI 如何推进食物过敏研究。全球约 2.2 亿人患有至少一种食物过敏，美国约占总人口 10%。项目将连接前沿 AI 与生物医学，开发开放协作项目，服务研究者、临床医生和患者。
Hugging Face BlogAI 评分3636 NVIDIA 发布 Nemotron-Personas-India：面向主权 AI 的合成数据
NVIDIA 发布首个开放合成印度人物画像数据集 Nemotron-Personas-India，基于 NeMo Data Designer 构建，含 2100 万人物画像、77 亿 token，覆盖英语与印地语（天城文及拉丁文），涵盖印度全部 36 个邦和 640 个地区，采用 CC BY 4.0 许可。
Hugging Face BlogAI 评分4747 NVIDIA 发布 Nemotron-Personas-Japan：面向主权 AI 的日语合成数据集
NVIDIA 发布首个面向日本的主权 AI 开源合成数据集 Nemotron-Personas-Japan，含 600 万条日语 persona（100 万条记录、每条 6 个 persona），总 token 约 14 亿，采用 CC BY 4.0 许可。
Hugging Face BlogAI 评分4040 Hugging Face 推出 SyGra：面向 LLM 与 SLM 的一站式数据构建框架
Hugging Face 发布 SyGra，一个面向 LLM 与 SLM 的低代码/无代码数据构建框架，用于数据集的创建、转换与对齐。它支持 vLLM、Hugging Face TGI、Triton、Ollama 等多种推理后端，可生成 Q&A、DPO 偏好对、推理及多语言数据，覆盖 SFT、DPO、RAG 等场景。
Hugging Face BlogAI 评分4040 Hugging Face 发布 LeRobotDataset v3.0：支持大规模机器人与流式数据集
Hugging Face 发布 LeRobotDataset v3.0，将多个 episode 打包进单个文件，用关系型元数据在 episode 级别检索信息，解决 v2 单文件单 episode 在百万级数据集上的文件系统瓶颈。
Hugging Face BlogAI 评分4040 WRITER 发布 Palmyra-mini 系列：1.5B-1.7B 轻量开源模型，含推理变体
WRITER 发布 Palmyra-mini 系列三款开源模型，参数规模 1.5B 至 1.7B，包括非思考基础版 palmyra-mini 及两个推理变体 palmyra-mini-thinking-a 和 palmyra-mini-thinking-b。
Hugging Face Blog精选AI 评分6060 Hugging Face 用 Jupyter Notebook 数据训练小模型智能体
Hugging Face 发布 Jupyter Agent 项目，通过清洗约 2TB Kaggle notebook 构建 51k 合成 notebook、近 0.2B token 的数据集，并用 TRL 全参数微调 Qwen3-4B。
推荐理由：完整披露了从 Kaggle notebook 清洗到 SFT 的数据管线与消融结果，可迁移到其他小模型智能体训练。
Hugging Face BlogAI 评分4040 SandboxAQ 开源 SAIR 数据集：500 万+ 蛋白质-配体 3D 结构加速药物研发
SandboxAQ 将其 Structurally Augmented IC50 Repository（SAIR）数据集上线 Hugging Face，以 CC BY 4.0 许可免费开放，包含 5.24 million 个 AI 生成的蛋白质-配体 3D 复合物结构，每个结构均配 ChEMBL 或 BindingDB 的实验 IC₅₀ 数据。
Berkeley AI ResearchAI 评分2222 word2vec 究竟学到了什么？伯克利提出可定量预测的学习理论
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，证明在实际训练条件下该问题可化简为无权重最小二乘矩阵分解，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。从小初始化训练时，word2vec 按离散步骤依次学习正交线性子空间，每步提升嵌入矩阵的秩并降低损失，这些特征即 M* 的顶部特征向量，可由语料统计和超参数预先算出。