NVIDIA 联合 Google DeepMind 等机构发布 2800 多种病毒蛋白复合物 3D 结构开放数据集
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构，通过 AlphaFold Database 开放了 2800 多种病毒的蛋白复合物预测 3D 结构，供全球任何科学家使用。
推荐理由：原文给出了数据集规模、开放入口和可复用的推理流程，读者可据此评估它对病毒研究和疫情准备的实际价值。
#数据/训练
#数据/训练
今日 0 条NVIDIA Blog精选AI 评分7575
NVIDIA Blog精选AI 评分7070 Salesforce 发布 CRM 推理模型 Koa，基于 NVIDIA Nemotron 3 Super 构建
Salesforce 在 Dreamforce 上发布其首个 CRM 推理模型 Koa，基于 NVIDIA Nemotron 3 Super 后训练而成，使用近三十年企业 CRM 部署数据的专有合成数据集。
推荐理由：原文给出了 Koa 的构建方式、性能数据和开放时间，读者可以据此判断它对企业 CRM 工作流的影响。
Latent SpaceAI 评分6262 游戏技能能否迁移到真实工作？Good Start Labs 用 1830 游戏实验给出初步答案
Good Start Labs 联合创始人 Alex Duffy 接受 Latent Space 采访，探讨将游戏作为 AI 训练材料的可行性。该公司在 1830 铁路游戏中对 30B 模型进行训练，结果显示只有终端智能体设计提升了 Finance-Agent 基准表现，而单轮问答设计未提升。Duffy 认为当前证据支持目标导向执行和推理可迁移，但迁移的广泛性和可靠性仍是开放问题。
Mistral AIAI 评分3333 Cloudera 与 Mistral 达成合作，为企业数据带来专业化主权智能
Cloudera 与 Mistral 宣布建立新合作伙伴关系，将 Mistral 模型集成到 Cloudera 的混合数据平台中，使企业能够在私有云、公共云、本地及完全隔离（air-gapped）环境中部署 AI 模型并保持完全控制。企业还可利用专有数据在受控环境中训练定制模型，保留数据和智能的所有权。该合作旨在满足对主权 AI 日益增长的需求，让数据、智能、计算和运营始终处于客户控制之下。
Hugging Face Blog精选AI 评分7070 Hugging Face 发布 2026 夏季开源模型生态观察报告
Hugging Face 发布 2026 年夏季开源模型生态半年报告，覆盖 1 至 8 月的观察。报告指出中国实验室前沿模型规模持续领先，美国厂商则更多通过 AMD、NVIDIA 等硬件公司发布开源模型；下载与点赞反映不同信号，Qwen 以 151,448 个衍生模型成为社区基础模型，小模型占据 83% 的历史下载量，智能体首次成为 Hub 第一大用户。
推荐理由：报告用 Hub 下载、点赞与衍生模型数据拆解开源生态的结构性变化，可帮助读者理解前沿模型与基础设施之间的真实关系。
Google DeepMind精选AI 评分6262 Google 承诺 4000 万美元支持美国 Genesis 科研计划
Google 在 DOE Genesis Mission Summit 2026 上宣布，为支持美国 Genesis 科研计划，承诺提供 4000 万美元的 AI tokens 和云积分。
推荐理由：原文给出了资金规模、工具清单和实验室实测数据，读者可据此判断这笔投入对科研流程的实际影响。
Google DeepMindAI 评分3838 探索衰老研究新路径：Calico 用 Co-Scientist 生成可检验假说
Calico Life Sciences 的 AI/ML 负责人 Matt Onsum 和首席科学家 Katherine Labbé 正使用 Co-Scientist 梳理衰老生物学中分散的研究发现，并将其转化为值得检验的假说。
Google ResearchAI 评分3838 Google Research 以全球合作与开放资源推动科学影响
Google Research 通过开源软件和开放数据集推动科学突破，其工具已赋能全球超过 25 万研究人员和开发者。相关成果包括处理 250 万例全外显子组和全基因组、Open Buildings 含 18 亿建筑检测、HAI-DEF 下载超 480 万次，并与 UCSC 合作将基因变异识别错误率降低 50%。
Mistral AI精选AI 评分6262 Mistral AI 发布首个 AI 模型全生命周期环境影响研究
Mistral AI 与 Carbone 4、ADEME 合作，发布了首个 AI 模型全生命周期分析（LCA），量化 LLM 开发与使用的环境影响。
推荐理由：原文给出了 Mistral Large 2 训练与推理的完整环境足迹数据，读者可据此对照其他模型的环境成本。