训练侧的门道：数据集构建、合成数据、预训练与后训练方法、算力与训练成本。
Google 宣布在 Flood Hub 上线城市山洪预报，借助新的 AI 方法可提前最多 24 小时预测城市山洪风险。由于山洪常远离水文站、缺乏地面真值数据，团队用 Groundsource 方法结合 Gemini 分析公开洪水新闻报道，构建历史山洪事件数据集用于训练和评估模型。
推荐理由：Google 把城市山洪预警接入 Flood Hub，读者可了解其用 Gemini 从新闻提取训练数据、以全球气象产品替代本地传感器的思路。
Google Research 推出 Groundsource，一套用 Gemini 从非结构化新闻中提取灾害事件的可扩展方法，并发布首个开放数据集，包含 2.6 百万条城市山洪记录，覆盖 150 多个国家、时间跨度从 2000 年至今。
推荐理由：Google 用 Gemini 把 80 种语言的新闻报道转成结构化灾害数据，其人工核验准确率与覆盖范围可供评估这类方法的上限。
Mistral AI 宣布完成 1.7B€ 的 C 轮融资，投后估值 11.7B€，由半导体设备厂商 ASML 领投，DST Global、Andreessen Horowitz、Bpifrance、General Catalyst、Index Ventures、Lightspeed 和 NVIDIA 等现有投资方参投。
推荐理由：Mistral 完成 1.7B€ C 轮融资并引入 ASML 作为领投方，读者可据此了解其资金用途与半导体产业链合作方向。