技术方向
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。
5 条精选近 30 天 4 条共收录 13 条
Ai2 开源 AstaBrief 8B，它把研究问题与检索到的文献片段直接转成带引用的报告，训练数据一并开放。模型基于 Qwen3-8B，用 SFT 加 DPO 训练；在 Asta 的 Fast mode 下平均 51.1 秒生成一份报告，约为 Claude 驱动的 Thinking mode（178.5 秒）速度的 3.5 倍。
推荐理由：原文给出一条可迁移的训练经验，用引用密度这一简单信号过滤合成数据，比更复杂的过滤组合更有效。
Google Research 宣布新一代联邦学习系统，利用可信执行环境（TEE）提供完全可验证、可审计的数据匿名化保证，Gboard 已率先采用。新系统由客户端加密上传与访问策略、基于 RAFT 共识的 KMS 密钥管理、用 Federated Language 编排的 TEE 训练循环以及加密恢复状态协同工作，训练时间从此前的 1-2 个月大幅缩短，同时模型准确率提升。
推荐理由：原文对比了新旧联邦学习系统在隐私可验证性与训练效率上的差异，读者可了解 TEE 如何移除对服务器运营方的信任依赖。
NVIDIA 发布开源表格基础模型 Kumo Tabular，输入带标签的表格后可在一次前向传播中预测新行标签，无需训练、微调或特征工程，支持分类与回归。
推荐理由：原文给出四项基准的排名与推理速度对比，读者可据此判断它相对调参梯度提升树和同类表格基础模型的位置。
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构，在 AlphaFold Database 中开放 2800 多种病毒的蛋白复合体预测三维结构，约 30% 的蛋白相互作用为科学界此前未记录。
推荐理由：开放数据集与 BioNeMo 结构预测流程的发布，让研究者能针对自选病毒蛋白靶点批量预测三维结构，降低实验成本。
Google DeepMind 与 Google Research 发布 WeatherNext 3，据 Brightband 独立实时评估为迄今最先进、最准确的全球气象模型。
推荐理由：原文给出了它直接从实时卫星观测学习、逐小时生成 5 公里分辨率预报的技术路线，读者可据此判断 AI 气象预报的能力边界与落地方式。