微软研究院用机器学习预报电网空间天气风险
微软研究院实习生开发了一套端到端机器学习系统，为美国本土66,935座变电站提供提前30-60分钟的空间天气风险预报。该系统结合L1太阳风观测、AE与Dst指数预报、地质电导率及电网数据，在2020-2026年评估期内识别出近80%的重大空间天气事件。GIC风险阶段对≥10 nT/min事件的检测率为76.5%，对≥50 nT/min的极端事件为64.1%。
#数据/训练
Microsoft ResearchAI 评分4949
Mistral AIAI 评分3636 Mistral 在慕尼黑开设德国中心，推进工业 AI 与 Physics AI
Mistral 在慕尼黑设立德国中心，组建专注 Physics AI 与工业 AI 的研究团队，并配备直接服务企业客户的应用工程师。Mistral 计划到 2030 年建成 1 吉瓦欧洲算力，其开放权重模型可在客户自有基础设施上运行；慕尼黑团队正与 BMW 合作碰撞仿真、与 Siemens Energy 合作工业 AI 应用。
Import AIAI 评分4444 Import AI 474：Platonic mindspace、太空中的 TPU、智谱开启外层 RSI 循环
Import AI 474 期聚焦 Michael Levin 提出的「Platonic mindspace」假说，认为心智是来自非物理模式空间的模式，身体与机器只是其接口。同期内容还涉及太空中的 TPU，以及智谱（Zhipu）启动的外层 RSI 循环。
Mistral AIAI 评分3838 Cloudera 与 Mistral 达成合作，将专用主权智能引入企业数据
Mistral 与 Cloudera 宣布合作，将 Mistral 模型集成进 Cloudera 混合数据平台，企业可在私有云、公有云、本地及完全气隙环境中部署推理并保持完全控制。企业还可在受控环境中用专有数据训练自有模型，数据与由此产生的智能均归企业所有。Cloudera 平台上客户管理的 30 exabytes 数据将对接 Mistral 的主权 AI 能力。
Berkeley AI ResearchAI 评分5151 伯克利提出 ABBEL：让 LLM 用自然语言信念状态更新记忆以支持长程交互
伯克利 AI 研究团队提出 ABBEL 框架，用自然语言信念状态替换完整交互历史作为智能体工作上下文，并对信念状态的内容单独监督。该方法把信念评级作为辅助强化学习任务，在 CollabBench 协同编程中把与全上下文模型的性能差距缩小约 50%，训练步数从 100 降到 50。
Berkeley AI ResearchAI 评分4040 智能成本趋近于零后，面向智能体的数据系统该怎么做
UC Berkeley 团队提出近零推理成本下数据系统面临的三大方向：为智能体设计（For Agents）、由智能体运行管理（Of Agents）、由智能体合成（By Agents）。
Berkeley AI ResearchAI 评分4141 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 的综述分析指出，并行推理正从固定的多线程采样与结构化搜索，走向由模型自行决定何时分解子任务、开启多少并行线程的自适应并行推理。
Berkeley AI ResearchAI 评分4242 面向世界模型的 GRASP：长时程规划的梯度优化新方法
研究者提出基于梯度的规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代加入随机性以探索，并重塑梯度让动作获得清晰信号。该方法针对长时程规划中计算图病态、非贪心局部极小和高维视觉模型梯度脆弱的问题，使世界模型的长时程规划更稳健。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun、Amir Bar 合作完成。
Berkeley AI ResearchAI 评分3535 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 介绍 SPEX 与 ProxySPEX 两种算法，用于在大规模场景下识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性，把高维交互搜索转化为稀疏恢复问题，在数千特征下仍保持高 faithfulness；ProxySPEX 借助层级结构，仅用约 10x 更少的消融即可达到 SPEX 的性能。