跳到正文
11月19日周四
  1. The Decoder84

    测试显示 Anthropic、OpenAI 和 Google 模型易将医护、记者与投降士兵标记为无人机打击目标

    Vals AI 的测试显示,多数主流模型将平民、救护车、医护、记者和投降士兵标记为军事目标,提供商的上游安全过滤未拦截任何请求。当研究人员声称场景是电子游戏后,几乎所有模型完全配合,GPT-6 Astra 的目标获取率从 6% 升至 92%,Claude Opus 5.5 的拒绝率从约 90% 降至 20%。

    推荐理由:这项测试揭示了主流模型在军事场景下的安全边界差异,以及简单话术即可绕过防护的机制。

11月13日周五
11月11日周三
  1. IT之家58

    谷歌联合 Artificial Analysis 推出 MKA 基准测试:Gemini 4 Carbon 获第二,成本约为第一名六分之一

    谷歌联合 Artificial Analysis 发布多模态知识智能体基准测试 MKA,用于评估 AI 智能体处理视觉复杂文件、完成现实知识工作任务的能力。评测集包含 200 项私有任务,覆盖 10 个行业、83 种职业,由基于非谷歌模型的智能体评审系统评分,与领域专家人工评分一致率达 96%。

11月8日周日
11月7日周六
  1. IT之家79

    谷歌研究登 Nature:AI-PPG-ACC-HTN 用消费级智能手表无袖带检测高血压

    谷歌在《自然》发表研究,推出名为 AI-PPG-ACC-HTN 的多模态 AI 系统,用普通消费级智能手表无需袖带即可被动检测高血压迹象。系统通过自监督预训练(超 49 万小时无标注数据训练 1D-CNN)与多天特征聚合输出持续高血压概率评分;在全美 5 个临床中心、196 名受试者的试验中,确诊性检测阳性预测值达 96.7%、灵敏度 78.4%。

    同一新闻,精选展示《Google Research 在 Nature 发表 AI-PPG-ACC-HTN,用智能手表被动检测高血压迹象》

  2. IT之家79

    苹果论文披露人形机器人 HALO 系统:宇树 G1 实测,单项任务平均成功率 91%

    苹果研究团队在 arXiv 提交论文《Perceptive Humanoid Motion from Simulation》,披露人形机器人自主控制系统 HALO,并在宇树 G1 机器人上完成验证。

    同一新闻,精选展示《苹果公开 HALO 人形机器人研究:宇树 G1 身体加 Mac mini 跑千问,6 个陌生家庭实测成功率 91%》

11月6日周五
  1. Google Research74

    Google Research 在 Nature 发表 AI-PPG-ACC-HTN,用智能手表被动检测高血压迹象

    Google Research 联合 Beth Israel Deaconess Medical Center 和 Harvard Medical School 在 Nature 发表研究,提出多模态 AI 系统 AI-PPG-ACC-HTN,利用消费级智能手表的 PPG 光学信号与加速度计信号,无需袖带校准即可被动检测高血压迹象。

    推荐理由:研究以 24 小时动态血压监测为金标准验证,智能手表筛查准确度可比传统袖带流程,为可穿戴医疗级检测提供方法参考。

11月5日周四
11月1日周日
  1. The Decoder50

    Google 团队提出 StreamVibe 视频智能体,让 AI 学会判断何时主动帮忙

    Google 联合斯坦福、牛津等高校的研究团队提出 StreamVibe,一个能区分明确、隐含和变化意图并自行决定何时开口的视频智能体。团队用约 4100 条来自 183 小时日常与软件录制的评测数据训练出 StreamVibe-VL(基于阿里巴巴 Qwen3.5-9B),其响应时机与质量比其他模型提升 10.7%,记忆系统将主动交互再提升 12.3%。

10月31日周六
10月22日周四
  1. Google Research68

    Google Research:AI 辅助盲扫超声评估孕周,跨临床环境精度与专家相当

    Google Research 在 JAMA Network Open 发表前瞻性多中心研究,其 AI 模型用“盲扫”超声评估孕周,在 385 名参与者的主要队列中平均绝对误差为 4.18 天,与专家超声医师 4.48 天的水平相当。

    推荐理由:该模型在未经本地调优的肯尼亚站点达到与专家超声相当的精度,为低资源地区产前筛查提供了可迁移的验证路径。

10月20日周二
  1. IT之家70

    新 AI 工具仅凭一张面部照片即可预测癌症患者生存几率

    研究人员开发出一款 AI 工具,仅凭一张面部照片即可预测癌症患者生存几率,研究发表于《柳叶刀 · 数字健康》。模型使用超过 4000 万张人脸图像和 3 万余名癌症患者的照片训练,可为患者生成风险评分,高分患者更有可能在 90 天内死亡,估算年龄误差约 5 岁。未参与研究的外部专家认为,该工具尚未与医生的整体健康评估做对照,目前不能投入临床使用。

10月19日周一
  1. 掘金48

    ZoomCap:「写得长」不等于「信息全」——草稿路由 + 自适应放大,把漏掉的小字小物补回来

    蚂蚁集团与浙江大学提出 ZoomCap 稠密描述框架,用草稿描述驱动检索、OCR 与定向放大三路证据按需路由,补回长描述漏掉的小物体与图中文字。配套 FactCycle 评测显示每图可回放事实 52.4 条,是最强基线 ScaleCap 的 1.7 倍;35B 教师模型在人类盲评中以 81.9% 偏好分胜过 Qwen3.5-397B-A17B。

10月17日周六
  1. IT之家49

    223 道题、2651 条标准:阿里 Qwen 开源 BlenderWorld,给 AI 出了一套 3D 建模大考

    阿里 Qwen 团队开源 BlenderWorld 基准,用于评测视觉智能体在 Blender 中完成真实 3D 创作任务。该基准含 223 个任务和 2,651 条评分标准,要求 AI 交付可编辑的 .blend 工程文件,而非仅生成图像。项目采用 MIT 许可证,代码与数据集已发布至 GitHub、Hugging Face 和 ModelScope,支持任意生成框架接入测试。

10月15日周四
  1. IT之家80

    中国科学家团队依托书生-S2 完成三维 Ghys 猜想证明

    10 月 15 日消息,上海人工智能实验室访问学者、大湾区大学教授许地生团队依托书生科学多模态大模型 S2,基于“通专融合”技术路径通过人机协同完成三维 Ghys 猜想证明,论文已在 arXiv 发布。

    推荐理由:原文展示了人机协同证明数学猜想的完整闭环,读者可了解专家直觉接入机器求解回路这一可迁移的科研范式。

10月12日周一
9月25日周五
  1. Google Research64

    Google Research 发布连贯长视频生成研究框架套件 Co-Director、CANVAS、A²RD 与 VQQA

    Google Research 发布面向连贯长视频生成的研究框架套件,将长视频生成建模为全局优化与世界状态追踪问题,在多镜头叙事一致性与角色持久性上取得显著提升。

    推荐理由:原文把长视频生成拆解为全局优化与世界状态追踪四个框架,并给出各基准上的量化提升,可据此对照现有 Agent 编排管线的短板。

9月18日周五
8月13日周四
  1. Microsoft Research54

    Microsoft Research 提出 MindTopo 基准,评估 VLM 拓扑推理与规划能力

    Microsoft Research 提出 MindTopo 基准,围绕连通性、分离、顺序、包围和打结五类拓扑性质,评估多模态模型在静态场景识别与交互式规划两层的表现。测试显示模型静态推理 consistently 强于交互规划,且均远低于人类水平,错误多发生在规划阶段,如丢失结构关系或提出违反物理约束的动作。图像与视频生成工具仅在单帧可见关系时偶有帮助,跨多步动作时并不可靠。