洪水韧性的新篇章：开源 Google 水文学框架

临床数据的学习、可视化与部署（HST.953）

Clinical Data Learning, Visualization, and Deployments（HST.953）

MIT OpenCourseWare 上的一门研究生课程页面，2024 年秋季开设，由 Marzyeh Ghassemi、Leo A. Celi、Adam Rodman、Ned McCague 授课，隶属电子工程与计算机科学系及健康科学与技术系。课程简介说明它讨论在医疗场景中落地机器学习所需的实践考量，先关注利用真实回顾性医疗数据的稳健、隐私与公平的机器学习，随后涉及以实用性为目标的可视化等内容。页面列出的资源类型包括讲师见解、问题集、编程作业和阅读材料。

不止于树冠覆盖：绘制全球森林类型地图

Beyond tree cover: mapping the world’s forest types

Google DeepMind 博客文章（2026 年 10 月 22 日，作者 Maxim Neumann 与 Charlotte Stanton），介绍 Google DeepMind、Google Research 联合 WRI 和 IIASA 发布的 Forest Typology（ForTy）2020 地图。该地图以 10×10 米分辨率把全球地表划分为六种森林与土地利用类型，区分天然林、人工林和农用林，并附有追踪这些森林逐年变化的早期时间序列，是欧盟森林砍伐法规的关键基线。文中指出不同森林类型在碳储量和生物多样性上差异很大。

SensorFM：面向可穿戴健康数据的通用智能与接口

SensorFM: Towards a general intelligence and interface for wearable health data

这是 Google 高级研究科学家 Xin Liu 和 Daniel McDuff 于 2026 年 7 月 9 日发布的博客，介绍可穿戴健康基础模型 SensorFM。该模型用来自 500 万人的超过一万亿分钟传感器数据预训练，可迁移到 35 项健康预测任务，支持标签高效适配与数据补全，并可作为个人健康智能体的基础工具。文中还提到个体生理差异大、标注数据获取昂贵等难点。

OlmoEarth v1.1：一个更高效的地球观测模型家族

OlmoEarth v1.1: A more efficient family of Earth observation models

这是 Ai2 发布 OlmoEarth v1.1 版本的文章。文中说明该系列模型用于卫星影像处理与大面积区域预测，相比前代可将计算成本最多降低约 3 倍，并给出模型合集、技术报告和预训练代码的链接。文中提到 v1 版本于 2025 年 11 月发布，合作伙伴已将其用于红树林变化追踪、森林丧失驱动因素分类、国家级作物类型制图等任务。

详解 OpenAI 流体 PDE 构造与凸积分创新

这是一条 X 帖子，Scott Armstrong 用引用推文回应一条他无法回复的讨论串，评论 OpenAI 一篇流体 PDE 论文的构造，认为其与凸积分关系更大：凸积分中振荡通常靠手工构造、迭代产生病态弱解，而该论文巧妙设计了一种流体不稳定性，让流动自身从背景剪切中吸取能量产生振荡，雷诺应力则成为造出坍缩光滑涡的力。他指出用物理不稳定性制造应力没有先例，使之得到光滑而非粗糙的力，并提到相关想法部分见于 Leibovich–Stewartson 1983 等文献，但组合方式前所未见，也无人提出凸积分会参与此类爆破解。适合研究流体 PDE、凸积分与数学分析的人关注。

我们能否信任大语言模型判断一个研究想法是否新颖？

Can we trust LLMs to judge whether a research idea is novel?

这是 Ai2 在 Hugging Face 上发布的一篇文章，介绍其研究《Old Ideas, Novel Problems》，考察大语言模型评估科研想法新颖性的可靠性。文中同时发布了用于测试“新颖性评判器”的基准、数据和代码，以及可供研究者构建新评测集的自动化流程，并交代了该机构在科学发现辅助系统方面的相关项目背景。