Aleph Alpha 发布 78B 参数德英模型 Kolibri
Aleph Alpha 发布了 Kolibri，一款拥有 78B 参数的德英语言模型，采用 MoE 架构，每个 token 约激活 3B 参数。公司称，该模型在德语基准上得分为 71%，解码速度快于 GPT OSS A5B、Qwen 3.6 A3B 和 Gemma 4 A4B 等可比模型。
#数据/训练
The DecoderAI 评分6868 MIT Technology Review · AIAI 评分1919 将预测分析带入智能体 AI 时代
企业 AI 的重点正从预测转向自主决策，关键在于让预测系统依据结论自主行动，同时不偏离业务意图。深度学习和生成式 AI、实时训练，以及非结构化数据，正推动 AI 分析从回顾过去转向前瞻决策。
The DecoderAI 评分7373 MIT 报告称 AI 正在削弱师生信任与校园学习互动
MIT 一份发表于 2026 年 6 月的报告指出，AI 使用正在伴随办公时间到访减少、线上讨论参与下降和学习小组缩减，也让教师更难判断学生实际学到了什么。报告反对使用不可靠的 AI 文本检测软件，并建议各课程先明确学习目标，再制定 AI 使用政策，同时加强教师使用 AI 的透明度。报告还指出，AI 可能加剧工具获取差距，并讨论了 AI 介入学习与研究助理工作对学生培养的影响。
Ars Technica · AIAI 评分6060 Amazon 承诺未来五年向数据中心周边社区捐赠逾 $1B，环保组织批评其避谈污染
Amazon 承诺未来五年向数据中心周边社区捐赠逾 $1B，由社区决定资金用于教育、职业培训、能源负担、水资源和当地优先事项。Amazon 还承诺数据中心不会推高电费或耗尽当地水源，并称将于 2030 年实现“水资源正效益”，目前 75% 的项目已达到这一目标。环保组织 Stand.Earth 批评这些承诺具有误导性，指出 Amazon 未提及其支持的电厂，也很少回应污染问题。
Hugging Face Blog精选AI 评分7070 Asta 团队开源 AstaBrief 8B 科学报告生成模型
Asta 团队开源 AstaBrief 8B，这是一款根据研究问题和检索到的文献片段生成带引用报告的模型，也已作为 Asta 的 Fast 模式上线。该模型以 Qwen3-8B 为基础，开放模型权重和训练数据；在 Asta 全流程中，Fast 模式平均每份报告耗时 51.1 秒，Thinking 模式为 178.5 秒，约快 3.5 倍。
推荐理由：AstaBrief 的训练经验显示，筛除低引用密度样本比尝试更复杂的过滤组合更有效，为科学报告模型的数据筛选提供了具体参考。
Hugging Face Blog精选AI 评分6969 AutoSynthData 如何为企业智能体生成训练数据
ServiceNow CoreAI 构建了 AutoSynthData，根据目标模型的失败和更强教师模型的成功生成、验证训练任务，并用于模型微调。
推荐理由：文章展示了从模型失败提炼能力缺口、生成并验证训练任务的流程，并报告该方法在 EnterpriseOps Gym 两个领域的微调结果。
Microsoft ResearchAI 评分5656 Microsoft Research 机器学习系统预测美国 66,935 座变电站的空间天气风险
Microsoft Research 研究人员开发了一套机器学习系统，为美国本土 66,935 座变电站预测空间天气风险，可提前 30 至 60 分钟给出位置级风险估计。
Google DeepMind精选AI 评分8181 Google DeepMind 推出 SynthID Bio，为AI生成蛋白质添加水印
Google DeepMind 推出 SynthID Bio，可将可检测的水印嵌入AI生成的蛋白质序列或预测结构，同时保留蛋白质的生物功能。针对VEGF-A、SARS-CoV-2刺突蛋白RBD和PD-L1的湿实验显示，带水印的蛋白质结合体在命中率、结合亲和力和天然序列多样性方面与未加水印版本相当。Google DeepMind还将发布方法论文、开放代码和体外数据，并向研究社区开放模型权重。
推荐理由：SynthID Bio将水印嵌入蛋白质序列或预测结构，并以实验结果说明其检测信号与生物功能可以并存，为识别AI生成生物设计提供验证层。
Hugging Face Blog精选AI 评分8181 NVIDIA 发布开源表格预测基础模型 Kumo Tabular
NVIDIA 发布开源表格基础模型 Kumo Tabular，用于表格分类和回归，可根据带标签的上下文行在一次前向传播中预测新行，无需训练、调参或特征工程。模型有 28M 至 215M 参数的三种尺寸，以人工数据预训练，并在 TabArena、BeyondArena、TALENT 和 ScoringBench 四项基准上排名第一。
推荐理由：文章交代了人工合成表格预训练的构建方式，并列出四项基准结果，便于了解该模型的训练设计与评测表现。
Microsoft Research精选AI 评分7676 Microsoft Research 推出面向复杂生物学研究的 AI 系统 Quine
Microsoft Research 推出 Quine，这是一个结合生物多模态世界模型与交互式研究环境的实验性 AI 研究系统，可连接科学工具、文献、湿实验室和研究人员。
推荐理由：Quine 将生物多模态世界模型与实验工具及文献连接，并以胰腺癌细胞状态实验展示其筛选候选化合物的研究流程。
Import AIAI 评分2727 Import AI 474：Platonic mindspace、太空中的 TPU 与智谱启动外部 RSI 循环
Import AI 474 探讨 Michael Levin 关于“Platonic mindspace”的论文：他提出，心智与身体的关系类似数学模式与物理形态，生物体和机器可作为模式进入物理世界的接口。论文以 xenobots、anthrobots 和排序算法实验讨论复杂系统如何呈现超出直接设定的行为，并引出 AI 与人类心智及对齐问题。
NVIDIA Blog精选AI 评分7676 NVIDIA 与全球研究机构开放 2,800 多种病毒的蛋白复合物结构数据
NVIDIA 与 Google DeepMind 等全球研究机构通过 AlphaFold Database 开放了 2,800 多种病毒的蛋白复合物预测结构，供全球科学家使用。
推荐理由：这次开放数据与预测流程同时覆盖资源和方法，文中还说明约 30% 的蛋白质相互作用对科学界而言是全新的。
Microsoft Research精选AI 评分7070 Microsoft Research 发布 RetroChimera 逆合成研究并开源模型
Microsoft Research 发布 RetroChimera 逆合成研究，该模型结合 R-SMILES 2 与 NeuralLoc，并通过学习式集成重排两者提出的反应物预测。在多步合成路线评估中，RetroChimera 在十个具有挑战性的目标中成功完成九个，高于文中对比模型；其实现和权重已开源，也可通过 Microsoft Foundry 使用。
推荐理由：RetroChimera将两种互补的逆合成模型进行学习式重排，并以盲测和多步路线评估展示其表现，呈现了集成方法应对稀有反应的思路。
Google ResearchAI 评分5151 Google Research 开源 MilleMiglia 中间里程物流实例生成器
Google Research 推出 MilleMiglia，这是一个用 C++ 编写的实例生成器，可为中间里程配送问题生成逼真基准数据。它以合成网络保留固定车辆班次、配送中心吞吐量限制和跨车辆同步等约束，同时避免披露私有物流数据；源代码和文档已在 GitHub 提供。
Google ResearchAI 评分4848 Google Research 的 Retrieve-for-Train：绕过推理瓶颈，加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train，用离线强化学习发现符合奖励目标的查询扩展方式，再将其蒸馏到轻量扩散检索器，以单次推理生成互补的子查询集合。该框架的扩散模型有 53.9M 参数，可直接把查询嵌入映射为完整目标嵌入集合，绕过文本 CoT 推理 token；训练还使用 Gemma3-4B 和 Qwen3-4B。
Google DeepMind精选AI 评分8787 Google DeepMind 推出 AlphaGenome Atlas 基因组变异预测平台
Google DeepMind 推出 AlphaGenome Atlas，收录人类基因组约 9 billion 个单核苷酸变异的预测结果，并面向学术研究开放。平台提供 AlphaGenome Variant Impact（AVI）分数，帮助研究者排序变异并查看其分子效应；可通过网站、AlphaGenome API 和 Google Antigravity 的技能使用。
推荐理由：AlphaGenome Atlas 将 AlphaGenome 的全基因组预测整理为可检索资源，并以 AVI 分数连接变异排序与分子效应解释，展示了其在遗传研究中的用法。
Microsoft Research精选AI 评分7272 Microsoft Research 发布 GigaPath-Flash 和 GigaTIME-Flash 病理基础模型
Microsoft Research 发布 GigaPath-Flash 和 GigaTIME-Flash 两款开放权重病理研究模型，面向全切片表征学习和肿瘤微环境空间蛋白质组预测。
推荐理由：这组模型将病理基础模型的计算成本与队列规模联系起来，文中给出的性能和资源对比可帮助研究者评估大规模分析的可行性。
Microsoft Research精选AI 评分7070 Microsoft Research 扩大 Skala 接入范围，Skala 1.1 提升 DFT 精度
Microsoft Research 发布 Skala 1.1，并宣布其已接入 CP2K，正集成至 Psi4、FHI-aims、ORCA 和 VASP。Skala 1.1 的训练数据量是首个公开版本的 2.5 倍，在 GMTKN55 的 55 个类别中有 32 个排名第一，平均加权误差为 2.8 kcal/mol；团队还发布了跟踪不同版本和软硬件平台计算性能的持续更新报告。
推荐理由：Skala 1.1 的精度提升与多软件集成同步推进，文中还介绍了持续更新的性能报告，呈现其走向计算化学工作流的路径。
Import AIAI 评分5656 Import AI 469：DiG-bench、RSI Simulator 与 Zuckerberg 的技术悲观主义
Jack Clark 在 Import AI 469 中介绍 DiG-bench、RSI Simulator 和 Inherent 的 Faraday 科研智能体，并质疑 Mark Zuckerberg 将超智能发明能力与个人赋权相联系的论述。
Berkeley AI ResearchAI 评分5959 ABBEL：通过更新信念状态实现高效长程交互
Berkeley AI Research 提出 ABBEL，通过自然语言信念状态压缩长交互历史，并用信念评分监督状态中保留的信息。 在 CollabBench 协作编程实验中，重建式信念评分将与完整上下文的性能差距缩小约一半，训练步数从 100 降至 50；峰值上下文 token 长度也低于完整上下文设置。
Berkeley AI ResearchAI 评分5656 SPEX 与 ProxySPEX 以更少消融规模化识别 LLM 交互
Berkeley AI Research 介绍 SPEX 和 ProxySPEX 两种算法，用于在大规模机器学习系统中识别影响模型行为的特征、训练数据和模型组件交互。
Berkeley AI ResearchAI 评分5959 Berkeley AI Research提出基于信息量评估与优化成像系统的方法
Berkeley AI Research提出基于互信息直接评估和优化成像系统的方法，并将结果发表于 NeurIPS 2025 论文。该方法在彩色摄影、射电天文学、无透镜成像和显微成像四个领域检验了信息估计与下游表现的关系；其 IDEAL 方法通过梯度上升优化系统参数，无需在训练中反向传播解码器。