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。
AMD 与世界模型公司 World Labs 宣布，AMD 拟于今年年底前以 $8.2 billion 收购后者，交易尚待监管批准。World Labs 由李飞飞与 Justin Johnson、Christoph Lassner、Ben Mildenhall 于 2024 年创立，其工具 Marble 可生成并导出用于影视制作、游戏开发等场景的 3D 资产。
推荐理由：机器人训练所需的合成数据是理解这笔收购的关键背景，原文将其与 AMD 尚缺乏可对标 Nvidia 的模型及应用体系联系起来。
NVIDIA 发布开放表格基础模型 Kumo Tabular，利用带标签行作为上下文，单次前向传播即可完成分类或回归，无需针对任务训练、调参或特征工程。
推荐理由：相较每个任务重新训练的表格建模流程，上下文学习把带标签样本直接用于预测，为减少特征工程与调参提供了具体路径。
Microsoft Research 推出实验性 AI 研究系统 Quine，将多模态生物学世界模型与科学工具、文献及研究人员连接。团队与 Broad Institute 合作，用一个周末从数千种化合物中筛出待实验验证的候选物，随后在多项湿实验中验证了部分高排名化合物对胰腺癌细胞状态的预测性转变效果。
推荐理由：胰腺癌细胞状态实验展示了模型预测如何进入湿实验筛选流程，也呈现了较弱的反向转变与意外表型如何成为后续研究线索。
H company 发布 Holo4 智能体模型系列，包含 27B 稠密模型和 35B-A3B MoE 模型，可结合 GUI、代码、MCP 和 API 完成任务。
推荐理由：公开评测轨迹与成本计算口径为比较跨界面智能体提供了依据，文中也明确列出了任务子集和运行框架不同带来的比较边界。
Mistral 宣布完成 €3 billion D 轮融资，投后估值超过 €21 billion，由三星电子领投，Scaleup Europe Fund 与现有投资者 PSG Equity 联合领投。
推荐理由：融资用途将前沿研究、训练算力与基础设施扩张联系起来，呈现了主权开放权重路线在模型能力之外对部署控制权的投入。
Google DeepMind 与 Google Research 发布全球天气 AI 模型 WeatherNext 3，接入实时卫星观测，每小时生成新预报，温度和湿度等关键地表变量分辨率达到 5-kilometer。
推荐理由：与前代相比，实时卫星观测和逐小时更新缩短了预报的信息滞后，更细的空间分辨率有助于理解局地天气变化与能源规划需求。
Google 在 Earth AI 中介绍实验性研究系统 planetary prediction engine（PPE），可从自然语言查询自动完成地理空间数据发现、整理、模型训练与评估。
推荐理由：研究将防止目标泄漏与过拟合的检查嵌入自动建模流程，为把智能体用于地理空间预测提供了可迁移的工程思路。
Google DeepMind 发布手语转文本模型 SL2T，为 Pixel 11 的 Gboard 和 Live Transcribe 提供 ASL 转英文输入功能。
推荐理由：将手语输入接入手机日常输入场景，让无障碍交互不再只依赖英文打字，同时通过仅上传身体坐标减少原始视频传输。
Google DeepMind 的 WeatherNext 在气旋路径、强度和风场结构预测中达到 SOTA 精度，平均三天预报可达到以往模型两天预报的准确度。发表于 Nature 的研究基于 2023 至 2024 年历史气旋进行评测，模型可在单个 TPU 上用不到一分钟生成一次 15 天预报，今年每个气旋的集合预测已扩展至 1,000 种可能情景。
推荐理由：以相同预报精度比较提前量，比单看误差更容易理解模型进步的实际意义，也为评估气旋预报工具提供了具体参照。
微软研究院推出开源框架 Orchard，通过可复用的 Orchard Env 环境服务，支持软件工程、网页导航和个人助理智能体的训练与评估。该服务基于 Kubernetes，可直接在 Codex、OpenClaw、ZeroClaw 等实际部署框架内训练智能体，并配套开放训练流程、数据和评估方法。
推荐理由：将运行环境独立为可复用服务，并在实际部署框架内训练智能体，为减少跨任务基础设施重复建设和训练部署差异提供了具体路径。