SensorFM：面向可穿戴健康数据的通用智能与接口

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。

英伟达 Cosmos 开放训练、评测与部署世界模型的新工具

NVIDIA Cosmos Opens New Tools to Train, Evaluate and Deploy World Models

这是 NVIDIA 博客文章，介绍 Cosmos 平台的扩展，包括新的训练工具、仿真检查点和 Cosmos Data Factory 蓝图，用于帮助开发者构建理解并模拟现实世界的世界模型，服务于物理 AI 系统。文中提到 Cosmos Curator 新增多模态多感官输入支持，并列出五个云原生蓝图，如自动驾驶数据集生成、图像属性增强、事件视频生成、缺陷图像生成等，可通过 GitHub、Microsoft Azure、Nebius 和 CoreWeave 获取。适合从事世界模型与物理 AI 数据工作的开发者读者。

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。

迈向能从错误中学习的量子计算机

Towards a quantum computer that learns from its errors

这是 Google Quantum AI 研究科学家 Volodymyr Sivak 和 Paul Klimov 于 2026 年 7 月 22 日发布的博客，介绍将强化学习与量子纠错结合的工作。文中指出量子计算机对漂移敏感，目前需中断计算重新校准控制参数，而该工作在《Nature》发表的论文《Reinforcement learning control of quantum error correction》中展示了量子计算机可在长时间计算中持续适应漂移。

一家银行训练了自己的基础模型来识别欺诈——Freddy Lecue，富国银行

A Bank Trained Its Own Foundation Model to Catch Fraud — Freddy Lecue, Wells Fargo

富国银行的 Freddy Lecue 介绍该行如何用数十亿客户交易数据（而非文本）从零预训练自有 transformer 模型，通过预测下一笔交易学习表示，再针对欺诈检测、信用额度、反洗钱和营销等任务微调。内容涵盖把金额、时间、商户、邮编等表格数据转化为 token 的难点，以及模型规模、训练设置和欺诈检测结果。