Hugging Face 发布 3D 生成模型 TRELLIS.2 微调指南
Hugging Face 发布面向 3D 生成模型的微调指南，用 LoRA 和 PEFT 库微调 TRELLIS.2，并提供可本地或 Hugging Face Jobs 运行的脚本与容器。实验以 GSO 数据集中 188 个鞋类对象为子集，仅对 sparse-structure flow DiT 和 shape flow DiT 加 LoRA 适配器，以改善鞋底几何精度，材质生成阶段不微调。
#数据/训练
Hugging Face BlogAI 评分4747 Google ResearchAI 评分4646 Google Research 用可穿戴设备实现 CKM 风险画像与个性化健康指导
Google Research 提出一套研究性框架，用消费级可穿戴设备数据构建可干预的"可教练健康年龄"（CHA）模型，并配合在 2.28 百万 person-weeks 数据上预训练的 SensorWM 世界模型，模拟 12 周"假设性"健康轨迹并生成经临床审核的指导方案。
Hugging Face BlogAI 评分4949 面向多向量嵌入模型的 Token Pooling 感知训练
面向多向量嵌入模型的 Token Pooling 感知训练可让编码器在向量合并时保留关键信息，从而在相同存储预算下提升检索质量。普通训练的模型在 pool_factor=4 时保留未池化 NanoBEIR nDCG@10 的 94.6%，文档向量减少 4 倍；感知训练将保留率提升到 97.8%。文章还介绍了 HierarchicalTokenPooling 的池化预算选择与自适应池化阈值校准方法。
Hugging Face BlogAI 评分4040 NVIDIA 与 Elith 发布 Nemotron-Personas-Finance-Japan 合成金融人设数据集
Elith 与 NVIDIA 发布 Nemotron-Personas-Finance-Japan，这是开源人设数据集 Nemotron-Personas-Japan 的金融领域扩展，据称是首个百万记录规模、结合日本官方统计与家庭金融及金融素养数据的开放人设数据集。
Hugging Face BlogAI 评分4141 Hugging Face 提出 HOPE：MoE 模型的专家高阶剪枝方法
Hugging Face 博客介绍 HOPE（Higher-Order Pruning of Experts），一种考虑专家两两交互的二阶 MoE 剪枝方法，替代按独立重要性打分的一阶方法。在 50% 剪枝率下，HOPE 平均排名优于所有方法，在智能体编程任务上相比次优方法最高提升 +6.1%。该方法无需训练，可与量化组合使用，用于缓解专家 MLP 占用的推理内存。
Hugging Face BlogAI 评分5353 AI2 发布 ToyBlocks 机器人学习仿真框架与首个 FoundationWorld
AI2 在 Hugging Face 发布 ToyBlocks，一个围绕机械臂与桌面方块的开源仿真框架，并把它定义为首个 FoundationWorld，配套任务与演示自动生成工具及行为评测指标。
Google Research精选AI 评分7272 Google Research 用智能手表传感器检测高血压迹象
Google Research 在 Nature 发表多模态 AI 系统 AI-PPG-ACC-HTN，利用智能手表 PPG 与 ACC 传感器被动检测高血压迹象，无需袖带校准。
推荐理由：研究用智能手表PPG与ACC信号在无需袖带校准下识别高血压，并与24小时动态血压监测对照。
Google DeepMind精选AI 评分8080 Google Antigravity 上线化学信息学 Skills，演示一小时内完成肺癌药物分子设计
Google DeepMind 为 Google Antigravity 推出化学信息学 Skills，基于 RDKit 并接入 ChEMBL 与 PubChem，由语言模型负责流程编排与推理、确定性化学工具执行分子计算。
推荐理由：官方用真实肺癌药物案例演示了从文献取数到分子设计的完整流程，可据此判断智能体在化学研发中的分工方式。
Google ResearchAI 评分5454 Google Research 提出 sleep 框架，让 LLM 在持续学习中保留知识
Google Research 提出 sleep 框架，为 LLM 引入活跃交互与离线巩固交替的周期性生命周期，缓解持续参数更新带来的灾难性遗忘。睡眠阶段通过 MoE 参数扩展与基于 GKD 和强化学习模仿的知识播种完成记忆巩固，再以随机专家激活和筛选合成样本的做梦循环自我改进。
Google Research精选AI 评分6363 Google Research 在 JAMA Network Open 发表盲扫超声 AI 估测孕龄研究
Google Research 在 JAMA Network Open 发表研究，用 AI 解读未受专业超声训练的操作者采集的盲扫超声图像来估测孕龄。在 385 名 16 至 36 周孕妇的主队列中，模型平均绝对误差为 4.18 天，专家标准流程为 4.48 天；在芝加哥适配后误差为 4.10 天，在未做本地优化的内罗毕为 4.27 天。
推荐理由：在芝加哥和肯尼亚两地开展前瞻性验证，展示了模型在现场设备和仅接受过简单培训的操作员条件下仍保持泛化，为医疗 AI 跨场景落地提供了可参考的实证。
Google Research精选AI 评分6969 Google Research 介绍让 AI 智能体扎根生物实验的三项研究
Google Research 发布博客，介绍三项连接 AI 计算探索与真实湿实验室实验的研究进展。其一为基于开源 PyLabRobot 的 VERID 框架，用实验室工作站的语义数字孪生支持实时三维状态追踪、秒级虚拟试运行和硬件安全检查。
推荐理由：Google Research 公开了三项研究，展示 AI 智能体如何接入真实湿实验室，覆盖从机器人执行到分子设计闭环。
Mistral AI精选AI 评分6060 Mistral 发布时序基础模型系列 Timestral
Mistral 发布首个时序基础模型系列 Timestral，最大 209M 参数在 GIFT-Eval、TIME 和 fev-bench 三个公开基准上排名第一，仅用此前 SOTA 三分之二的参数。
推荐理由：Mistral 首发的时序基础模型以 209M 参数在三个公开基准上居首，并给出四个尺寸和 CPU 推理延迟对比。
Berkeley AI ResearchAI 评分4040 智能免费之后怎么办？面向、属于与由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本快速下降后将出现三类新挑战：为智能体设计的数据系统、支撑智能体群体的数据系统，以及由智能体自主合成数据系统。
Berkeley AI ResearchAI 评分5252 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 发布文章，梳理自适应并行推理（APR）的研究进展，把它定义为模型在推理时动态分配并行与串行算力的范式。文章对比 self-consistency、Best-of-N、Tree-of-Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!