数据与训练

推荐理由：OpenAI 与 Molecule.one 用 GPT-5.4 驱动的近自主 AI 化学家改进药物合成反应，可了解 AI 在实验科学中的落地方式。

推荐理由：原文给出塞拉利昂预注册试验的量化结果与交互数据，读者可据此了解AI辅助教学的实际效果与局限。

推荐理由：OpenAI 公布 GPT-Rosalind 在生物推理、药物化学与基因组分析上的能力扩展，读者可据此了解该模型在生命科学场景的定位。

推荐理由：TRL 的稀疏增量权重同步把异步 RL 每步传输量压到原来的百分之几，读者可据此判断跨集群训练的成本边界。

推荐理由：Google 用 Gemini 驱动的 ERA 在 Nature 发表，并给出流行病、径流、CO2 等八篇应用结果，可看科研编码自动化的边界。

推荐理由：原文给出三类科学实验工具的能力分工与开放入口，可据此判断智能体在科研流程中的落点。

推荐理由：原文披露了多智能体系统的三阶段协作机制与跨机构验证案例，可了解AI参与科学假设生成的具体路径。

推荐理由：原文汇总了 AlphaEvolve 在基因组、电网、量子物理和商业客户中的落地数据，可据此判断编码智能体的跨领域适用范围。

推荐理由：Google Research 用四个真实科研项目展示 ERA 在流行病预测、宇宙学、卫星 CO2 监测和神经回路发现中的具体产出。

推荐理由：Granite 4.1 团队公开了从数据配比到多阶段 RL 的完整训练细节，可对照其 8B 稠密模型追平 32B MoE 的结论。

推荐理由：原文给出分布式训练新架构的带宽、容错与跨代硬件实测数据，可据此判断大规模预训练基础设施的演进方向。

推荐理由：OpenAI 开源了一款用于识别和脱敏文本中个人身份信息的模型，可了解其在 PII 检测上的定位。

推荐理由：Google 公布 TurboQuant 等三种向量量化算法，读者可了解 KV cache 压缩到 3 bit 且不损失精度的实现路径。

推荐理由：两项 Nature Cancer 研究给出了 AI 在 NHS 乳腺筛查中的前瞻部署数据与人工仲裁交互结果，可了解落地时的数据漂移与仲裁量问题。

推荐理由：原文给出了企业用自有数据训练前沿模型的分阶段能力与多架构支持，读者可据此判断自建模型的落地路径。

推荐理由：Google 把城市山洪预警接入 Flood Hub，读者可了解其用 Gemini 从新闻中提取训练数据的思路与全球覆盖取舍。

推荐理由：原文给出了用 Gemini 从新闻抽取灾害数据的方法与验证结果，读者可据此判断 LLM 构建历史基准的可行边界。

推荐理由：原文给出 Buckets 的创建、同步与 Python 调用方式，读者可据此判断它能否替代现有中间产物存储流程。

推荐理由：从人形机器人支持到策略库与数据管线提速，读者可据此判断开源机器人栈当前覆盖的硬件与训练能力。

推荐理由：Photoroom 公开了 24 小时训练文生图模型的完整配方与代码，读者可据此复现并调整各组件。