ML-intern 如何构建原本不存在的定制模型
作者使用 HuggingChat 中的 ML-intern，在几天内构建并发布了六个定制模型，覆盖微调、LoRA、蒸馏和端侧运行。文章总结了提示词中加入基线、冒烟测试和预算上限的做法，六个项目的 GPU 与 CPU 作业总成本约 USD 103。
推荐理由：文章用六个项目拆解 ML-intern 从数据准备到训练、评估和发布的流程，并给出基线、冒烟测试与预算控制等可复用的提示词设计方法。
Hugging Face Blog精选AI 评分8282
Microsoft Research精选AI 评分6363 Jennifer Neville 谈 AI 的错误与失败带来的启示
Microsoft Research Podcast 邀请 Jennifer Neville 讨论如何通过贴近真实使用场景的评估，发现 AI 在多轮对话和复杂工作流中的失败。她指出，模型在多轮交互中的表现会显著下降，长时任务中未及时发现的错误还会累积，因此用户应核验结果、尝试改写提问，并向系统提供更具体的反馈。
推荐理由：访谈把多轮对话、长时工作流中的失败模式与评估方法联系起来，并给出在监督和核验下使用当前 AI 的具体建议。
Google Research精选AI 评分7171 Google Research 评估 Population Dynamics Foundation Model（PDFM）在全球公共卫生中的应用
Google Research 使用 Population Dynamics Foundation Model（PDFM）的隐私保护位置嵌入，评估其在五类公共卫生任务中的表现。
推荐理由：文章把 PDFM 放入五类公共卫生任务中比较，具体结果展示了地理嵌入在跨境免疫、疾病预测和资源规划中的可迁移价值。
Hugging Face Blog精选AI 评分6767 AstaBrief 8B 科学报告生成模型开源
Ai2 开源 AstaBrief 8B，用于将研究问题和检索到的文献摘录生成带引用报告。该模型已作为 Asta 的 Fast mode 使用，平均每份报告耗时 51.1 秒，相比 Thinking mode 的 178.5 秒约快 3.5×。除模型权重外，团队还发布了训练数据和可从自有 PDF 生成报告的示例工作流。
推荐理由：AstaBrief 8B 的训练数据筛选、引用归因指标与部署方式，为科学报告模型的开源复现提供了具体参考。
Google Research精选AI 评分7777 Google Research 探索基于 TEE 的可验证隐私联邦学习
Google Research 发布基于 Trusted Execution Environments（TEEs）的新一代联邦学习系统，为服务器端数据处理提供可验证、可审计的匿名化保障。
推荐理由：文章把 TEE、访问策略、公开透明日志与可复现构建串成一套联邦学习架构，具体呈现服务器端处理如何获得可审计的隐私保障。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 AlphaGenome Atlas，预测人类基因组 9 billion 个单核苷酸变异的影响
Google DeepMind 推出 AlphaGenome Atlas，提供人类基因组 9 billion 个单核苷酸变异的分子影响预测。该平台包含 1-petabyte 数据集，并通过 AVI score 汇总 AlphaGenome 与 AlphaMissense 的预测，支持变异排序和功能解释。
推荐理由：文章展示了 AlphaGenome Atlas 如何用 9 billion 个变异预测和 AVI score，帮助研究者筛选罕见病及复杂性状相关的遗传变异。
已经到底了