Hugging Face Blog 介绍 ServiceNow CoreAI 的 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 团队开发了 AutoSynthData 系统，用于自动生成企业智能体所需的训练数据。该系统通过分析目标模型的失败案例和更强“教师”模型的成功经验，识别能力差距并生成新的、可执行的任务。生成的每个任务都包含系统规范、用户提示词和验证器，旨在提供针对当前模型弱点的有效训练信号。
#数据/训练
Hugging Face BlogAI 评分4747
Google DeepMind精选AI 评分6161 Google DeepMind 推出用于合成生物学的 SynthID Bio 水印技术
Google DeepMind 推出 SynthID Bio，将水印技术应用于合成生物学，可在保持蛋白质生物功能的同时，为 AI 生成的蛋白质序列和 3D 结构嵌入可验证的签名。该技术已通过湿实验验证，水印版蛋白结合剂在命中率、结合亲和力等方面与非水印版本相当。SynthID Bio 旨在为 DNA 合成筛选和公共数据库完整性提供自动化验证层，以应对 AI 生成生物设计带来的生物安全挑战。
推荐理由：原文介绍了将数字水印技术首次应用于合成生物学领域的具体方法、验证结果和潜在应用场景，为理解 AI 在生物安全中的作用提供了实例。
Hugging Face Blog精选AI 评分6060 NVIDIA Kumo Tabular 开源表格预测基础模型
NVIDIA 开源了用于表格分类和回归的基础模型 Kumo Tabular，无需训练、微调或特征工程即可对新行进行预测。该模型在 TabArena、BeyondArena、TALENT 和 ScoringBench 四个基准测试中均排名第一，并提供三种参数量版本（28M 至 215M）。
推荐理由：原文给出了模型在多个基准测试中的领先表现和无需训练即可预测的能力，读者可以据此判断它在表格预测任务上的潜力。
NVIDIA BlogAI 评分5656 NVIDIA 联合 Google DeepMind 等发布包含 2800 多种病毒蛋白质复合物的开放数据集
NVIDIA 联合 Google DeepMind、EMBL-EBI 等全球研究机构，在 AlphaFold Database 中发布了超过 2800 种病毒的蛋白质复合物预测 3D 结构数据集。
Microsoft ResearchAI 评分3535 RetroChimera 模型开源：提升小分子合成路线预测能力
Microsoft Research 开源了逆合成预测模型 RetroChimera，其通过集成 R-SMILES 2 和 NeuralLoc 两个互补模型来提升预测质量。在盲测中，博士级化学家更青睐 RetroChimera 提出的单个反应预测。该模型已开源实现和权重，旨在加速新药和先进材料的研发。
Google ResearchAI 评分5050 ToolGrad：利用文本“梯度”高效生成工具使用数据集
Google Research 提出的 ToolGrad 框架采用“答案优先”范式，通过文本梯度迭代构建 API 工作流来高效生成高质量工具使用数据集。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 AlphaGenome Atlas：预测人类基因组所有单字母变异的平台
Google DeepMind 发布了 AlphaGenome Atlas 平台，它包含对人类基因组中 90 亿个单核苷酸变异（所有可能的单字母变化）影响的预测。
推荐理由：原文介绍了 AlphaGenome Atlas 的功能、数据规模、可用入口和初步应用案例，读者可以据此判断它对基因组研究的潜在影响。
Google ResearchAI 评分2424 Google Research：面向代表性不足人群基因组预测的迁移学习研究
Google Research 评估了将基于数十万欧洲人群（UK Biobank）的多基因风险评分模型迁移至近 20 万日本人群（Biobank Japan）时的性能变化。
Microsoft ResearchAI 评分5454 Microsoft Research 发布 Skala 1.1 并扩大其在主流计算化学软件中的集成
Microsoft Research 发布深度学习交换关联泛函 Skala 1.1，其训练数据量是初版的 2.5 倍，在热化学、反应动力学和分子结构预测等关键挑战上精度显著提升。Skala 现已可在 CP2K 中使用，并正在集成到 Psi4、FHI-aims、ORCA 和 VASP 中，以扩大其在计算化学社区的可用性。
Berkeley AI ResearchAI 评分5252 ABBEL：教大语言模型更新信念状态以实现高效长程交互
伯克利 AI 研究团队提出 ABBEL 框架，通过将摘要视为信念状态并引入信念分级监督，来提升长程交互任务中的学习效率和性能。在 CollabBench 协作编码环境中，使用基于重构的信念分级函数将性能与全上下文模型的差距缩小了约 50%，训练步数减少了 50%。该框架还展示了在 Combination Lock 和多目标问答环境中减少内存使用或提升学习效率的潜力。
Berkeley AI ResearchAI 评分4545 Berkeley AI Research 视角：智能近乎免费时代下，面向、由和属于 AI 智能体的数据系统
AI 推理成本正急剧下降，GPT-4 级别能力从 2023 年初的每百万 token 约 30 美元降至如今低于 1 美元，部分提供商甚至低于 0.10 美元，基准测试显示推理价格每年下降 9 倍至 900 倍。这标志着面向日常知识工作的智能正变得近乎免费，从而催生了数据系统的三大新挑战与机遇：为 AI 智能体设计、由 AI 智能体运行以及由 AI 智能体合成的数据系统。
Berkeley AI ResearchAI 评分3636 SPEX 与 ProxySPEX：大规模识别 LLM 交互作用的算法框架
Berkeley AI Research 提出了 SPEX 和 ProxySPEX 算法框架，用于大规模识别驱动大语言模型决策的关键特征、数据和模型组件间的交互作用。SPEX 利用稀疏性和低度性，将交互发现重构为可解的稀疏恢复问题；ProxySPEX 则利用交互的层次性结构，能以约 10 倍更少的消融操作达到与 SPEX 相当的性能。这些方法在特征归因、数据归因和模型组件归因中实现了高效交互发现。