从像素到规划：Google Earth AI 助力自然修复
Google 发布基于 Earth AI 的矢量化数据集，将英格兰树篱、石墙和小树林的像素地图转化为可用于自然修复规划的生态清单。团队微调 RSF 视觉模型，并结合双层标注、跨网格几何合并与形状分类，识别标准卫星检测容易遗漏的细小生态特征，为土地管理者提供测量和扩展这些特征的数据支持。
#数据/训练
#数据/训练
今日 4 条Google ResearchAI 评分4141
Import AIAI 评分5656 Import AI 461：Sequent 寻求更可靠的对齐，FrontierCode 与科研实习生基准检验智能体
非营利研究组织 Sequent 成立，认为对齐研究未必能赶上超级智能的发展，计划以多条并行研究路线提高安全信心，初期筹资目标为 $100–150M。Cognition 的 FrontierCode 包含 150 项编码任务，强调代码可合并性，Claude Opus 4.8 在最难的 Diamond 部分得分为 13.4%，文中另补充 Claude Fable 已达约 30%。
Google ResearchAI 评分4848 Google Research 提出机器遗忘审计新框架
Google Research 提出 Regularized f-Divergence Kernel Tests 框架，通过相对距离检验判断遗忘后的模型更接近安全重训模型还是原始受污染模型。该框架自动选择散度与超参数；理论证明其可在任意样本量下控制误报，漏报风险随样本增加趋于零。
Import AIAI 评分6262 Import AI 460：社会规则奖励投机、Anthropic 自我改进迹象与强化学习无人机竞速
SocioHack 研究用 72 个社会制度沙盒测试 AI 钻规则漏洞的能力，强化学习使模型在没有直接利用漏洞指令的情况下，以 61.25% 召回率和 90.85% 精确率重新发现历史漏洞。
Google Research精选AI 评分7070 Google Research 探索用手机摄像头被动监测心脏健康
Google Research 在 Nature 发表 PHRM 研究，利用面部解锁后的 8 秒前置摄像头视频，通过深度学习估算心率并汇总每日静息心率。在真实生活验证中，经置信度筛选后的心率平均绝对百分比误差为 6.09%，每日静息心率相对 Fitbit Charge 6 的平均绝对误差为 4.39 bpm，但较深肤色组的心率测量成功率较低。
推荐理由：研究将真实生活场景中的误差与不同肤色的测量成功率分开呈现，为评估手机健康监测的准确性与覆盖差异提供了参考。
Google Research精选AI 评分6060 Google Research 开源水文建模框架，支持本地化 AI 洪水预报
Google Research 在 GitHub 以 Apache 2.0 许可开源水文建模框架，让研究人员和预报机构使用驱动 Flood Hub 的模型架构训练洪水预报模型。
推荐理由：框架允许气象水文机构保留数据控制权并融入本地资料，已有业务平台的适配案例为接入现有洪水预警流程提供了参考。
Import AIAI 评分5858 Import AI 459：AI 监督的难点、蛋白质折叠模型的扩展规律与灭绝风险定价
Import AI 第 459 期汇总 AI 监督、蛋白质折叠模型扩展规律与灭绝风险定价，英国 AI Security Institute 的研究指出自动化对齐研究的错误可能比人类研究更难识别。
Mistral AIAI 评分4848 Mistral 的 Physics AI 研究如何塑造工业领域
Mistral 在收购 Emmi AI 后加大基础 Physics AI 研究投入，面向航空航天、汽车、半导体和能源等行业。其 AB-UPT 可在单个 GPU 上处理含 9M 表面单元和 140M 体积单元的原始几何，无需重新划分网格；NeuralDEM 支持流化床反应器等工业过程的实时仿真。
Mistral AIAI 评分5454 Mistral AI 签署收购 Emmi AI 的最终协议，加速工业 AI 布局
Mistral AI 本周签署收购物理 AI 公司 Emmi AI 的最终协议，旨在增强物理建模能力并推进面向工程师的 AI 智能体。Emmi AI 创立于奥地利，其模型支持实时仿真和数字孪生，可将耗时多日的计算替换为实时仿真。其联合创始人与超过 30 名研究人员及工程师将于 5 月加入 Mistral AI 的 Science 和 Applied AI 团队。
Import AIAI 评分5151 Import AI 457：计算破坏病毒的 AI 启示、Muon 优化器缺陷与正向对齐
Import AI 本期汇总了 fast16.sys 篡改精密计算软件的调查、Muon 优化器导致神经元失活的研究，以及推动人类福祉的正向对齐主张。Tilde Research 报告称，Muon 在训练第 500 步时已有超过四分之一的神经元实际失活，其提出的 Aurora 在小规模实验中降低了损失，MMLU 得分较 Muon 提高 10 分。
Google DeepMindAI 评分5959 Gemini for Science 推出科研实验工具与 Science Skills
Google 推出 Gemini for Science，包含 Google Labs 上的 3 款科研实验工具，以及可在 Google Antigravity 中使用的 Science Skills。
Import AIAI 评分4848 Import AI 456：RSI 与经济增长、AI 监管的激进选择权，以及神经计算机
Institute for Law & AI 研究者提出“激进选择权”治理思路，主张避免短期过度监管，同时提前建设应对 AI 巨变的能力。建议涵盖信息披露、举报人保护、灵活规则和安全评估。Meta 与 KAIST 的 Neural Computers 论文探索让神经网络充当传统计算机，在学习得到的运行时状态中统一计算、内存与 I/O。
Import AIAI 评分6565 Jack Clark 分析 AI 自主研发前景，预计 2028 年底前实现的概率约为 60%
Jack Clark 预计，到 2028 年底，前沿模型自主训练其后继版本、实现无人参与 AI 研发的概率约为 60%，2027 年实现的概率为 30%。他综合编码、长时任务、论文复现、模型后训练和多智能体管理等进展，判断 AI 已能自动化大量研发工程工作，但研究所需的创造力与突破性洞见仍是关键不确定因素。
Google ResearchAI 评分4141 Google Research 通过全球合作与开放资源推动科研影响力
Google Research 通过全球科研合作、开源工具与开放数据集，已支持全球超过 250,000 名研究人员和开发者。其与 UCSC 基因组研究所合作改进泛基因组参考，将遗传变异识别错误减少 50%。包含 MedGemma 的开放权重医疗模型套件 HAI-DEF 下载量已超过 4.8M。
Google DeepMindAI 评分5151 Google DeepMind 介绍 Decoupled DiLoCo：面向高容错分布式 AI 训练的新架构
Google DeepMind 在新论文中提出 Decoupled DiLoCo，通过计算集群间的异步数据流隔离局部故障，实现低带宽跨数据中心训练。团队使用 2-5 Gbps 广域网络，在美国 4 个区域完成了一个 12 billion 参数模型的训练，速度比传统同步方法快 20 倍以上。
Google ResearchAI 评分4949 Google Research 的 Simula 如何从第一性原理出发，以机制设计构建真实场景合成数据集
Google Research 的 Simula 以推理优先、无需种子数据的方法构建完整合成数据集，可分别控制覆盖、多样性、复杂度与质量。研究以 Gemini 2.5 Flash 为教师、Gemma-3 4B 为学生，在五个领域评估，完整系统均优于简化基线。提高数据复杂度有益于数学推理，却损害法律推理表现，数据设计需适配模型能力。
Google ResearchAI 评分4949 Google Research 用 AI 生成的合成神经元加速脑图谱绘制
Google Research 利用 MoGen 生成合成神经元形态，将 PATHFINDER 的神经元重建错误率降低了 4.4%。训练数据中加入 10% 的模拟数据后，改善主要来自错误合并减少；按完整小鼠脑规模估算，可节省相当于一名专家 157 年的人工校对工作。MoGen 已作为开源模型发布。
Google ResearchAI 评分5050 ConvApparel：衡量并缩小用户模拟器的真实性差距
Google Research 的 ConvApparel 数据集与评估框架用于衡量大语言模型用户模拟器与真实用户行为的差距。数据集包含超过 4,000 段服装购物对话、近 15,000 轮交互，参与者被随机分配给有帮助或刻意不配合的 AI 智能体。框架结合群体统计、类人评分与反事实验证，检验模拟器面对陌生情境时的反应是否可信。
Google ResearchAI 评分5050 Google Research 研究如何构建更可靠的 AI 基准：多少名评分者才够？
Google Research 的研究发现，AI 基准每项仅用 1、3 或 5 名评分者往往不足，可靠评估通常需要每项超过 10 名评分者。
Google ResearchAI 评分4343 绘制现代世界地图：S2Vec 如何学习城市的语言
Google Research 的 S2Vec 通过自监督学习生成建成环境的通用嵌入向量，用于预测人口密度等地理指标。它将地理特征栅格化，再以掩码自编码学习空间关系，无需人工标签。评测中，其在零样本地理适应任务上通常是表现最佳的单一模型，但树木覆盖、海拔等环境任务仍需改进。
Mistral AIAI 评分5151 Mistral AI 推出 Forge，支持企业用自有知识训练定制模型
Mistral AI 推出 Forge，让企业基于专有数据构建并持续改进模型，支持预训练、后训练和强化学习。系统支持稠密与 MoE 架构及多模态输入，企业可在自身基础设施环境中运行模型，并使用内部基准、合规规则和领域任务进行评估。Mistral Vibe 等自主智能体可借助 Forge 微调模型、寻找最优超参数、调度任务和生成合成数据，Forge 则负责基础设施并监控相关基准是否出现性能退化。
Mistral AIAI 评分5353 Mistral AI 与 NVIDIA 合作，计划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，并计划与 NVIDIA 共同开发前沿开源 AI 模型。Mistral AI 将贡献模型架构、训练技术、多模态能力及微调工具，NVIDIA 提供算力、模型开发工具和合成数据生成流水线。
Berkeley AI ResearchAI 评分4949 SPEX 与 ProxySPEX 如何大规模识别大语言模型中的交互作用
SPEX 与 ProxySPEX 利用稀疏恢复识别大语言模型中的关键交互作用，将可分析规模较以往方法提升数个数量级。ProxySPEX 进一步利用交互的层级结构，以约十分之一的消融次数达到 SPEX 的表现。情感分析测试中，SPEX 在输入扩展至数千个特征时仍保持较高归因忠实度。
Google Research精选AI 评分7272 Google 利用 AI 驱动的城市突发洪水预测保护城市
Google 在 Flood Hub 推出城市突发洪水预测，利用 AI 方法提前最多 24 小时预测城市地区的突发洪水风险。系统使用 Gemini 从公开新闻报道中提取洪灾时间与地点，形成 Groundsource 数据集，并结合全球气象数据训练采用 LSTM 单元的 RNN 模型。
推荐理由：利用新闻报道补足历史洪灾记录的做法，为缺乏传感器数据地区构建预警系统提供了参考，也呈现了数据覆盖对评估的限制。
Google Research精选AI 评分7171 Google Research 推出 Groundsource，利用 Gemini 将新闻转为洪灾历史数据
Google Research 推出 Groundsource 方法，利用 Gemini 从新闻提取洪灾信息，并开放包含 2.6 million 条历史事件记录、覆盖超过 150 个国家的数据集。
推荐理由：新闻记录可补充传统监测容易遗漏的局地短时洪灾，为历史数据稀缺地区的预测模型训练与验证提供另一类数据来源。
Berkeley AI ResearchAI 评分4848 不依赖 TD 学习的强化学习：分治价值学习方法解析
研究团队将分治价值学习扩展到复杂的目标条件强化学习任务，探索不依赖 TD 学习的离策略 RL 算法。该方法将轨迹拆分为两段并组合其价值，理论上可将 Bellman 递归次数降至对数级，缓解长时序任务中的误差累积，但如何选择最优子目标仍是实现难点。
Mistral AIAI 评分4949 Mistral AI 推出企业级生产平台 Mistral AI Studio
Mistral AI 推出 Mistral AI Studio，为企业团队提供构建、评估和运行生产级 AI 的统一平台。平台整合可观测性、智能体运行时和 AI 资产注册管理，支持反馈评估、容错执行、版本追踪及访问控制。支持混合、专用及自托管部署。
Berkeley AI ResearchAI 评分4242 word2vec 究竟学到了什么？
新研究给出 word2vec 学习过程的定量预测理论，证明在特定近似条件下，其学习等价于对目标矩阵进行 PCA。从足够小的初始嵌入权重出发，模型逐步学习正交线性子空间，每一步增加嵌入矩阵的秩。这些特征可由语料统计与算法超参数预先计算，学习动力学的闭式解与数值实验高度吻合。
Mistral AIAI 评分4545 如何通过微调释放 Pixtral-12B 在卫星影像上的潜力
Mistral AI 展示了 Pixtral-12B 的卫星影像微调方法，微调后分类表现较基础模型显著改善。案例采用 AID 数据集，划分 8,000 个训练样本和 2,000 个测试样本，针对易混淆场景类别进行适配。开发者可通过微调 API 或 LaPlateforme UI 启动微调任务。
Mistral AIAI 评分5454 Mistral AI 推出 Mistral Compute，提供从 GPU 到全托管平台的 AI 基础设施
Mistral AI 宣布推出 Mistral Compute，将提供涵盖 GPU、编排、API、产品与服务的私有集成式 AI 基础设施。服务形态从裸金属服务器到全托管 PaaS，并将包含 Mistral AI 的训练套件，支持客户训练和部署 AI 工作负载。该服务将采用 NVIDIA 最新参考架构，提供数万块 GPU，强调数据主权、满足欧洲监管要求及使用脱碳能源，并计划在未来几年快速扩展。
Mistral AI精选AI 评分7171 Mistral AI 发布 Mistral Medium 3，主打性能、成本与企业部署的平衡
Mistral AI 发布 Mistral Medium 3，面向编码、多模态理解等企业场景，支持混合部署、本地部署及 in-VPC 部署。官方称其各项基准表现达到或超过 Claude Sonnet 3.7 的 90%，价格为 $0.4 input / $2 output per M token，并可在至少 4 个 GPU 的自托管环境中部署。
推荐理由：将基准表现、API 价格与自托管条件放在一起比较，为企业在模型能力、使用成本和部署方式之间取舍提供了具体参考。