通过 Retrieve-for-Train 绕过推理瓶颈：利用 RL 编译扩散模型加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train 框架，利用离线强化学习将奖励对齐的查询发散行为编译进 53.9M 参数的轻量级扩散检索器。该方法避免了标准 LLM 在推理时因链式推理（CoT）产生的延迟和语义坍缩，在 Gemma3-4B 和 Qwen3-4B 模型验证下实现了单-pass 高效查询发散。
#搜索
#搜索
今日 0 条Google ResearchAI 评分5050
Google ResearchAI 评分5555 Google发布行星预测引擎PPE：从数据发现到模型训练的自动化地球AI系统
Google推出实验性研究能力Planetary Prediction Engine（PPE），通过LLM编排自动执行从数据发现、多模态融合到模型训练的完整空间预测工作流。在21项CDC健康指标预测中平均R²达76.8%（对比手动专家管道60.0%），在尼日利亚粮食安全风险降尺度任务中R²从31.5%提升至66.1%，并在刚果民主共和国埃博拉疫情预测中达到83.3%的Recall@10。
Hugging Face BlogAI 评分3535 Hugging Face Inference Endpoints、Jobs 与 Buckets 如何赋能 Papers with Code 搜索
Papers with Code 利用 Hugging Face Jobs、Storage Buckets 和 Inference Endpoints 构建混合搜索系统，维护超过 110,000 篇论文向量。
Google DeepMind精选AI 评分7575 WeatherNext如何协助国家飓风中心更准确预测飓风Melissa在牙买加的登陆
Google DeepMind的WeatherNext AI气象模型协助美国国家飓风中心（NHC）在五天前预测到飓风Melissa将从热带低气压快速增强为五级飓风并在牙买加登陆。这是首次成功预测风暴从低初始风速达到五级强度。WeatherNext作为地球AI计划的一部分，能够同时预测路径和强度，其预测数据已在Search中整合应用于NOAA覆盖区域。
推荐理由：原文给出了模型与NHC的实际合作结果与可用性细节，读者可以据此理解AI气象模型在紧急预警中的真实价值。
Google ResearchAI 评分5454 Google发布S2Vec将城市建成环境转化为可学习嵌入向量
Google Research发布S2Vec框架，将全球建成环境的道路、建筑、商业等特征转换为通用嵌入向量，用于人口密度、收入水平等社会经济预测和零样本地理外推任务。