Microsoft Research 扩大 Skala 开放范围，加速迈向预测性 DFT
Microsoft Research 发布 Skala 1.1，其训练数据是上一版本的 2.5 倍，在 GMTKN55 基准的 55 个类别中 32 个排名第一，加权平均误差为 2.8 kcal/mol，且计算成本相当于 meta-GGA 泛函。Skala 现已登陆 CP2K，并正在集成至 Psi4、FHI-aims、ORCA 和 VASP，同时推出跟踪各版本计算性能的动态基准。
#多模态
#多模态
今日 10 条Microsoft ResearchAI 评分5050
Google ResearchAI 评分5252 Google Research 发布 PhotoScan：用智能手机照片估算身体成分并预测胰岛素抵抗
Google Research 提出 PhotoScan，一种从标准 2D 手机照片估计体脂率、Android-to-Gynoid 脂肪比和内脏-皮下脂肪比的深度学习框架，用于预测胰岛素抵抗。
Hugging Face BlogAI 评分4646 OlmoEarth embeddings 发布：OlmoEarth Studio 支持自定义嵌入向量导出
Hugging Face 的 OlmoEarth Studio 现在支持计算并导出开源 OlmoEarth 基础模型的嵌入向量，以 Cloud-Optimized GeoTIFF（COG）格式输出。
Microsoft ResearchAI 评分4444 Microsoft Research 推出 MindTopo 基准，测试多模态模型的拓扑空间推理能力
Microsoft Research 推出 MindTopo 基准，评估多模态大模型对连通性、封闭、顺序、分离和绳结等拓扑概念的推理与规划能力。测试显示，模型在静态图像识别上表现明显好于交互式规划任务，且两者均远低于人类水平，错误多出在规划阶段丢失结构关系或提出违反物理约束的动作。该基准旨在为机器人和交互环境中的智能体研究提供受控诊断工具。
Google DeepMind精选AI 评分7474 Google DeepMind 发布手语转文本模型 SL2T，登陆 Gboard 和 Live Transcribe
Google DeepMind 发布大规模多语言手语转文本（SL2T）翻译模型，为聋人和听障用户带来新的手语输入功能，率先在 Pixel 11 的 Gboard 和 Live Transcribe 中支持美国手语（ASL）转英文，后续将扩展更多设备和语言。
推荐理由：原文给出模型训练规模、基准分数和隐私设计等具体细节，读者可以了解手语翻译落地的真实技术路线。
Google Research精选AI 评分6565 Google 发布 AMIE (Video)，实现实时音视频临床问诊
Google Research 推出基于 Gemini 和 Project Astra 的 AMIE (Video)，可进行实时同步临床视频问诊，感知非语言线索并引导虚拟体格检查。
推荐理由：原文给出架构设计、评测规模和与 PCP 对比的量化结果，还坦承模拟场景等局限，可帮助读者理解音视频临床 AI 的实际边界。
Microsoft ResearchAI 评分5858 Microsoft Research 发布 CARE-X 胸部 X 光研究模型，结合辅助监督、DAPO 强化学习与工具增强测量
Microsoft Research 推出研究模型 CARE-X，一个统一胸部 X 光 VLM，基于 SigLIP2-so400M 与 Phi-4-mini-instruct（3.8B），通过辅助头联合训练提供报告生成与带置信度的结构化预测，并用 DAPO 强化学习对齐临床奖励。
Hugging Face Blog精选AI 评分7878 Meta 发布开源多模态模型 Muse Glimmer-30B，主打本地智能体场景
Meta 今日发布 30B 参数多模态开源模型 Muse Glimmer，从 Muse 蒸馏而来，采用 Apache 2.0 许可，面向本地部署的隐私场景与编码、文档分析、个人助理等智能体用途。
推荐理由：原文给出架构细节、Agent 基准对比和各推理栈的 day-0 用法，读者可据此评估本地多模态部署的选择。
Google DeepMind精选AI 评分6767 Google DeepMind 发布 Gemini Robotics ER 2，强化视频理解、任务编排与多机器人协作
Google DeepMind 发布 Gemini Robotics ER 2，定位为机器人的高层具身推理模型，可编排 VLA 模型等底层控制接口并调用 Google Search 等工具。
推荐理由：官方给出了进度分类、时刻定位等具体基准数字和多机器人协作演示，读者可据此评估这款具身推理模型在真实机器人编排中的可用性。
Google DeepMindAI 评分4646 Google DeepMind 发布 Lyria 3.5，上线 Google Flow Music
Google DeepMind 推出最新音乐生成模型 Lyria 3.5，即日起在 Google Flow Music 中可用。模型在音乐性、歌词和人声质量上均有提升：可生成更自然复杂的旋律结构，歌词更贴合提示词并具结构感知，人声更具表现力且发音更准确。此外用户可更方便地控制输出音乐的节奏与时长。
Hugging Face BlogAI 评分3232 DharmaOCR 实测：新模型迭出，专业化优势依旧
DharmaOCR 在巴西葡萄牙语 OCR 基准上以 0.925 分超越更新的 Mistral OCR4（0.798）和 Unlimited-OCR（0.7587），验证了领域专业化的优势。该模型通过监督微调对齐巴西葡萄牙语的词汇与文档结构，再用 DPO 抑制重复或不连贯输出，实现最低退化率。文章指出，生成式 OCR 的可靠性取决于参数如何集中分配于单一领域，而非更大架构。
Hugging Face Blog精选AI 评分8080 Thinking Machines 发布万亿参数开源多模态模型 Inkling 及 Inkling-Small
Thinking Machines 在 Hugging Face 发布开源多模态模型 Inkling，总参数约 1T（975B，激活 41B 的 MoE），原生接收图像、文本和音频输入，支持 1M 上下文，训练数据为 45 万亿 token，包含 BF16 和 NVFP4 权重。
推荐理由：官方博客给出架构细节、各档位 VRAM 需求和部署配置，读者可以据此评估多模态部署成本与选型。
Google DeepMindAI 评分2626 Google DeepMind 推出 Gemini 驱动的教育助手 ATL Saathi
Google DeepMind 与 Atal Innovation Mission 合作推出 Gemini 驱动的网页应用 ATL Saathi 的试点，为 Tinkering Lab 教师提供 24/7 规划与培训助手，首期覆盖 100 所试点学校。
Google DeepMindAI 评分4949 Google DeepMind 与 A24 宣布首个此类研究合作
Google DeepMind 与 A24 宣布建立首个此类的研究型合作，将前沿 AI 研究实验室与电影公司配对，帮助艺术家开发新的工作流程与技术。双方将围绕多个项目开展长期研发协作，A24 的电影创作者可参与塑造新技术，Google DeepMind 则获得一线艺术家的反馈指导。此外，Google 已对 A24 进行投资，合作的具体目标和技术产出将随时间演进。
Google ResearchAI 评分4141 Google Research 将屋顶反照率 Heat Resilience 数据扩展至 50+ 全球城市
Google Research 发布覆盖 50+ 城市、9 个国家的建筑级屋顶反照率数据集，通过新的 Heat Resilience Earth Engine App 开放访问，帮助城市规划者实施冷屋顶方案。
Google DeepMind精选AI 评分7373 Google DeepMind 发布 Nano Banana 2 Lite 并向开发者开放 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image），为家族中最快最省的图像模型。
推荐理由：原文给出两款模型的速度、价格与可用入口，还说明了各自定位和 API 限制，便于开发者评估是否替换现有工作流。
Mistral AI精选AI 评分7070 Mistral 发布 OCR 4：支持边界框、块分类与置信度分数
Mistral 发布 OCR 4 文档解析模型，在提取文本之外返回边界框、类型化块分类和逐词置信度分数，支持 170 种语言、10 个语言组，可通过单个容器完全自托管。
推荐理由：原文来自 Mistral 官方，给出 OCR 4 的结构化输出、多语言支持和自托管选项，还披露了基准评分局限，可作选型参考。
Google ResearchAI 评分5151 Google 研究显示 AI 工具可提升用户对皮肤状况的认知
Google 发布两项皮肤 AI 研究，其中发表于 JAMA Dermatology 的 2345 人调查显示，AI 辅助组识别病症的准确率达 23%，约为对照搜索组（8%）的近三倍，但判断就医等下一步行动的能力未显著提升。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.5 Live Translate 语音翻译模型，支持 70+ 语言近实时语音转语音翻译
Google DeepMind 发布音频模型 Gemini 3.5 Live Translate，支持 70+ 语言自动检测的近实时语音转语音翻译，连续生成保留说话者语调、节奏和音高的译文，全程仅落后说话者几秒。
推荐理由：官方公告给出了模型能力、开放入口和各产品落地细节，读者可以据此判断它对实时语音翻译工作流的改变。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemma 4 12B 统一无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款统一、无编码器的多模态模型，视觉和音频输入直接进入 LLM backbone，定位介于 E4B 与 26B MoE 之间。
推荐理由：原文给出无编码器架构、16GB 内存可跑和 Apache 2.0 开源等具体变化，读者可据此评估端侧部署选择。
Mistral AIAI 评分4646 Mistral 推出 physics AI：工程加速的基础
Mistral 将 Emmi AI 收入麾下，推出面向工程领域的 physics AI 基础模型。传统 CFD/FEM 仿真每个设计变体需数小时到数周，physics AI 可在单 GPU 上秒级前向推理预测物理场，但不取代第一性原理求解器。该能力已用于 ASML、Airbus、Safran、Siemens Energy 等合作伙伴，覆盖产品设计、工装工艺设计加速与实时数字孪生。
Google DeepMindAI 评分2929 Google DeepMind 在亚太推出 Accelerator 加速器计划，聚焦“AI for the Planet”应对环境风险
Google DeepMind 在亚太地区推出首期 Accelerator 加速器计划，主题为“AI for the Planet”。该计划为期三个月，面向区域内的初创公司、研究团队和非营利组织，帮助其利用前沿 AI 解决自然、气候、农业和能源等领域的环境问题。入选机构将获得专家指导和将前沿 AI 与科学 AI 模型集成到项目中的支持，计划以新加坡的线下 bootcamp 启动，现已开放报名。
Google DeepMindAI 评分5050 Google DeepMind 为 Project Genie 加入 Street View 真实地点生成能力并向 Google AI Ultra 用户开放
Google DeepMind 在 Project Genie 中推出 Street View grounding 新能力，可基于美国真实地点结合“Ocean World”“B&W film”等风格生成可交互世界，技术来自 Maps Imagery Grounding。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini Omni Flash 视频生成模型
Google DeepMind 推出 Gemini Omni 家族首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本输入生成视频，并通过自然语言多轮编辑，支持角色一致性和物理表现。
推荐理由：官方首次介绍 Omni 家族，说明了对话式改视频、多输入组合和物理表现的具体能力边界。
Google DeepMind精选AI 评分6161 Google 扩展内容溯源工具：SynthID 验证进入 Search 与 Chrome，Pixel 视频支持 Content Credentials
Google 于 5 月 19 日宣布扩展内容透明与验证工具，覆盖 Search、Gemini、Chrome、Pixel 和 Cloud。
推荐理由：原文梳理了 SynthID 水印、C2PA Content Credentials 验证在 Search、Gemini、Chrome、Pixel 的扩展路径和落地节奏，可据此了解内容溯源工具的现状。
Google DeepMindAI 评分4646 Google DeepMind 与新加坡政府达成新的国家 AI 合作
Google DeepMind 宣布在新加坡启动 National Partnerships for AI 新合作项目，聚焦医疗、科研与教育。合作包括与公共医疗集团探索 AI co-clinician“三方照护”、用 AlphaFold 加速疫情研究、为视障跑者开发 Gemma 驱动的跑步助手，并向从小学到初级学院的所有教师提供 Gemini for Education。
Google DeepMind精选AI 评分6666 WeatherNext 如何帮助美国国家飓风中心提前预测飓风 Melissa 登陆牙买加
Google DeepMind 的 AI 气象模型 WeatherNext 提前 5 天、以 80% 置信度预测出飓风 Melissa 将以 Category 5 强度登陆牙买加，3 天前置信度升至接近 100%。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3.5，率先推出 3.5 Flash
Google DeepMind 发布 Gemini 3.5 模型系列，首先推出 3.5 Flash，定位智能体与编码，在 Terminal-Bench 2.1（76.2%）、GDPval-AA（1656 Elo）、MCP Atlas（83.6%）和 CharXiv Reasoning（84.2%）上超过 Gemini 3.1 Pro，输出速度为其他前沿模型的 4 倍。
推荐理由：官方公布了 3.5 Flash 的基准成绩、开放渠道和 Pro 后续计划，读者可以据此评估它在智能体与编码场景的取舍。
Google ResearchAI 评分2626 Google Research 如何通过全球合作与开放资源推动科学影响力
Google Research 阐述其开放科学实践：十年间开源的 DeepVariant、Neuroglancer、NeuralGCM、SpeciesNet 及 HAI-DEF（含 MedGemma）等工具与数据集，已服务全球超 250,000 名研究者和开发者。
Google DeepMind精选AI 评分6161 Google DeepMind 发布 AI co-clinician 医疗协作智能体研究计划
Google DeepMind 宣布 AI co-clinician 研究计划，探索在医生监督下辅助医患双方的医疗 AI。
推荐理由：官方给出多组临床评测数字和双智能体安全架构，读者可以据此了解 AI 协诊助手的能力边界与实际定位。
Google ResearchAI 评分5656 Google Research 发布 ERA 四大应用进展，覆盖流感预测、宇宙弦、CO2监测与斑马鱼神经回路
Google Research 介绍其 2025 年 9 月发布的 Empirical Research Assistance（ERA）在四个科研领域的实际应用进展。
Google ResearchAI 评分4141 Google Research 用 AI 合成神经元加速大脑连接组绘制
Google Research 提出 MoGen 神经元形态生成模型，基于 PointInfinity 点云 flow matching，用 1,795 条经人工验证的小鼠轴突训练生成合成神经形状，扩充 PATHFINDER 重建模型训练数据。
Google ResearchAI 评分4141 Google 推出研究实验 Vantage，用生成式 AI 评估面向未来的技能
Google Research 与纽约大学合作推出研究实验 Vantage，通过生成式 AI 在模拟环境中创建多方对话，评估高中生和大学生的批判性思维、协作等 future-ready 技能。
Google DeepMindAI 评分5757 Google DeepMind 发布 Gemini Robotics-ER 1.6 增强机器人具身推理
Google DeepMind 发布 Gemini Robotics-ER 1.6，相比 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 在指点、计数、成功检测等空间与物理推理能力上显著提升。
Google ResearchAI 评分5050 Google 发布 Vibe Coding XR：用 XR Blocks 和 Gemini 加速 AI + XR 原型开发
Google 推出 Vibe Coding XR 工作流，结合 Gemini 的长上下文推理与 web 端 XR Blocks 框架，通过专门系统提示词和代码模板，将自然语言直接转化为可运行的 Android XR 应用，全程不到 60 秒。
Google ResearchAI 评分3838 Google Research 推出 S2Vec：自监督学习城市建成环境的通用嵌入向量
Google Research 在 Earth AI 计划下推出自监督框架 S2Vec，为建成环境学习通用嵌入向量。该框架用 S2 Geometry 将地表划分为多分辨率单元，把建筑、道路等特征栅格化为多层图像，再用 masked autoencoding 无需人工标注地学习位置特征。
Google ResearchAI 评分3232 Google Research 在 Check Up 活动上展示从医疗创新到真实诊疗场景的 AI 进展
Google Research 在 Check Up 活动上介绍多项医疗 AI 进展：与 Fitbit 合作的个性化健康研究（Personal Health Agent）。
Mistral AI精选AI 评分7171 Mistral 发布 Mistral Small 4，统一推理、多模态与智能体编码能力
Mistral AI 发布 Mistral Small 4，是首个将 Magistral 推理、Pixtral 多模态、Devstral 智能体编码能力统一到单一模型的小型模型，采用 Apache 2.0 许可开源。
推荐理由：官方发布正文给出了完整的架构参数、基准对比和部署要求，读者可据此评估其替代多模型组合的可行性。
Mistral AIAI 评分5353 Mistral AI 加入 NVIDIA Nemotron Coalition 并发布 Mistral Small 4
Mistral AI 宣布作为创始成员加入 NVIDIA Nemotron Coalition，计划与 NVIDIA 联合开发开源前沿模型，结合其模型架构和全栈 AI 平台与 NVIDIA 的算力、开发工具和合成数据生成管线。
Google Research精选AI 评分6262 Google Flood Hub 推出 AI 城市山洪预报，可提前 24 小时预测风险
Google 宣布在 Flood Hub 上推出城市山洪预报，可提前 24 小时预测城市山洪风险。模型基于 LSTM 架构，用 Gemini 从新闻报告中提取历史山洪事件的 Groundsource 数据集进行训练，仅依赖全球气象产品，以 20x20 公里分辨率覆盖人口密度大于每平方公里 100 人的城市地区。
推荐理由：原文给出模型方法、覆盖范围和与 NWS 对比的精度数据，读者可以据此了解城市山洪预报的可行路径。