Pollen Robotics 发布开源机器人操作数据采集系统 Grabette
Pollen Robotics 在 Hugging Face Blog 发布开源系统 Grabette，用手持夹爪加相机和 IMU 记录人类操作演示，无需机器人本体即可产出可直接训练的数据。
#数据/训练
#数据/训练
今日 0 条Hugging Face BlogAI 评分5050
Google ResearchAI 评分5555 SensorFM：迈向可穿戴健康数据的通用智能与接口
Google Research 提出 SensorFM 大型传感器基础模型，基于五百万参与者超过一万亿分钟的多模态传感器信号自监督预训练而成。最大模型 SensorFM-B（100M 参数）在重建损失上较最小变体降低 31%，下游分类任务 AUC 平均提升 9%，回归任务 Pearson 系数提升 21%。
Berkeley AI ResearchAI 评分4343 智能免费之后：UC Berkeley 谈「为智能体、运行智能体、由智能体构建」的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人发布观点文章，提出推理成本趋近于零后，数据系统需围绕「为智能体、运行智能体、由智能体构建」三个方向重新设计。
Hugging Face BlogAI 评分4444 PRX Part 4：数据策略
PRX 系列第四篇详解其预训练数据策略：混合公开与内部数据集、用 VLM 重新描述图像，并基于 Mosaic Streaming（MDS）与 Lance 格式构建流式训练语料。文本编码器从 T5Gemma 切换为 Qwen3-VL 后改为在线计算文本 latent，仅带来约 3–4% 吞吐损失。图像统一以 JPEG quality 92 编码，验证表明首次重编码近乎不可感知。
Google ResearchAI 评分3939 Google Research 将 Heat Resilience 数据扩展至全球 50+ 城市
Google Research 发布覆盖 9 个国家、50+ 城市的建筑级屋顶反射率数据集，并上线 Heat Resilience Earth Engine App。
Google ResearchAI 评分5656 Google 发布 TabFM：面向表格数据的零样本基础模型
Google Research 发布 TabFM，一个面向表格数据分类与回归任务的零样本基础模型，单次前向推理即可生成预测，无需训练或调参。该模型结合交替行列注意力与压缩嵌入上的 Transformer 上下文学习，训练数据为数亿合成数据集。
Google ResearchAI 评分4040 从像素到规划：Google Earth AI 自然修复生态制图框架
Google Earth AI 发布矢量化数据集，覆盖英国超过 130,000 km² 农田，可识别树篱、石墙、小树林等传统卫星难以捕捉的细尺度生态要素。该框架基于在 3 亿张卫星图像上预训练的 Vision-Transformer，并结合亚米级影像与 1 米 LiDAR 双层标注与 Polsby–Popper 紧凑度评分，将像素自动转化为林地、灌木丛与线性走廊等可规划要素。
Google ResearchAI 评分4444 Google Research 开源水文建模框架，供各国气象机构本地化部署 AI 洪水预报
Google Research 在 GitHub 开源水文建模框架，供各国气象水文部门（NMHS）在自有数据上训练和部署 AI 洪水预报模型。该框架基于 PyTorch 与 LSTM 架构，支持使用开源 Caravan 数据集训练；新版模型将已勘测流域的可预报时长延长 6 天、未勘测流域延长 1 天。
Google ResearchAI 评分2424 Google Research 借助全球合作与开放资源推动科学影响
Google Research 阐述其开放科学理念，通过与全球科研机构合作发布开源工具与数据集，已赋能超 25 万名研究人员。
Google DeepMindAI 评分5252 Google DeepMind 提出 Decoupled DiLoCo，支持跨数据中心训练 LLM
Google DeepMind 发布论文提出 Decoupled DiLoCo，一种把训练拆分为解耦计算岛屿、岛屿间以异步数据流通信的分布式架构，可在跨数据中心的条件下训练 LLM，带宽需求更低且硬件容错性更强。
Google ResearchAI 评分4848 Google Simula 框架：以机制设计与推理驱动合成数据生成
Google Research 在 TMLR 发表 Simula 框架，将合成数据生成重构为机制设计问题，沿全局多样性、局部多样性、复杂化和质量检查四个轴从零推理生成数据。
Google ResearchAI 评分4444 Google Research 用 AI 生成合成神经元加速脑图谱绘制
Google Research 提出的 MoGen 模型利用 PointInfinity 点云流匹配技术合成神经元三维形态，将 PATHFINDER 连接组重建模型的错误率降低 4.4%，相当于在小鼠全脑规模下节省 157 人年的人工校对工作。该论文将在 ICLR 2026 上发表，是现代生成式 AI 首次推动连接组重建达到当前最优水平，MoGen 已作为开源模型发布。
Berkeley AI ResearchAI 评分5252 SPEX 与 ProxySPEX：面向 LLM 的大规模交互识别
Berkeley AI Research 提出 SPEX 与 ProxySPEX，将可解释性中的交互发现从数十个组件扩展到数千个。ProxySPEX 利用层级结构以约 10x 更少的消融达到同等效果；在修改版电车难题中 GPT-4o mini 正确率仅 8%，SPEX 定位出两个 trolley 与 pulling、lever 的高阶协同，替换这四个词后失败率降到近零。
Google ResearchAI 评分5858 Google Research 发布 Groundsource：借助 Gemini 将全球新闻转化为洪水灾害结构化数据
Google Research 发布 Groundsource 方法，借助 Gemini 大语言模型从全球 80 种语言的新闻报道中提取洪水事件，首批公开数据集包含 260 万条覆盖 150 多个国家、跨度 2000 年至今的城市洪水记录。
Berkeley AI ResearchAI 评分4545 Berkeley AI Research 提出分治式价值学习，替代 TD learning 做 off-policy RL
Berkeley AI Research 提出分治式价值学习，替代 TD learning 做 off-policy RL。它把轨迹一分为二、用子段值更新整段值，把 Bellman 递归次数从线性降到对数级。作者称与 Aditya 的合作首次将该思路扩展到 goal-conditioned RL 的复杂任务，最优子目标 w 的选取仍未解决。
Berkeley AI ResearchAI 评分5151 word2vec 究竟学到了什么？研究给出闭式理论解释
研究者为 word2vec 给出定量且可预测的闭式理论，证明在若干温和近似下其学习问题可归约为无权重最小二乘矩阵分解，最终学到的表示等于对一个由语料统计与超参数定义的矩阵 M* 做 PCA。