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。
#数据/训练
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。
Hugging Face BlogAI 评分5858 AutoSynthData 为企业智能体生成训练数据
ServiceNow CoreAI 构建 AutoSynthData，根据目标模型的失败和教师模型的成功生成、验证面向企业环境的智能体训练任务。任务由系统规范、用户提示和验证器组成，并经过可执行性、正负验证及批量覆盖检查。
Microsoft ResearchAI 评分5555 Microsoft Research 用机器学习预测 66,935 座美国变电站的空间天气风险
Microsoft Research 开发了一套机器学习流程，为美国本土 66,935 座变电站生成空间天气风险预测。系统结合太阳风信息、AE 和 Dst 预测、当地地质条件及电网数据，可提前 30-60 分钟估计具体地点的风险。
Google ResearchAI 评分4545 MilleMiglia：面向中程物流的逼真实例生成器
Google Research推出 MilleMiglia，一款用 C++ 编写、用于生成中程物流逼真基准实例的生成器。它通过空间—时间图上的多商品流模型，捕捉跨配送中心运输中的车辆衔接、存储分拣与时间窗口约束，生成保护隐私的数据；源代码和文档已发布在 GitHub。
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。
Berkeley AI ResearchAI 评分5555 ABBEL 通过更新信念状态提升 LLM 长程交互效率
Berkeley AI Research 提出 ABBEL，将交互摘要表示为可监督的自然语言信念状态，让模型根据新观察更新记忆并据此行动。在 CollabBench 中，带重构式信念评分的 ABBEL 将与完整上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，同时使用更少的峰值上下文 token。