Import AI 481:FrontierML 基准显示前沿 AI 系统已能花钱改进自身
本期 Import AI 介绍 FrontierML 基准,该基准测量智能体能否把资金转化为模型性能:在 21 个长程任务上,最强系统 Opus 5.5 拿到 45.4($10)与 58.8($200)的分数提升,人类基线为 56 和 66.1,开源模型中 Kimi K3.1 Pro 为 25.5 与 29.6。
本期 Import AI 介绍 FrontierML 基准,该基准测量智能体能否把资金转化为模型性能:在 21 个长程任务上,最强系统 Opus 5.5 拿到 45.4($10)与 58.8($200)的分数提升,人类基线为 56 和 66.1,开源模型中 Kimi K3.1 Pro 为 25.5 与 29.6。
卡内基梅隆大学未来交互研究小组博士生金大华开发了 OATs(Object Agent Twins)微型 AI 智能体系统,并在 UIST 2026 上展示,获得两项荣誉奖。
高通调查全球 6 个市场、超 12,000 名可穿戴设备用户及潜在购买者,发现 AI 智能体正成为可穿戴设备的下一个核心卖点。近 60% 的用户每周使用 AI,约 70% 期待 AI 通过自然语音交互管理设备、应用和日常事务,近一半受访者对实时翻译及能理解日程习惯并自动行动的 AI 感兴趣。
Google Research 的 AI 仅凭智能手表自带的脉搏和运动传感器即可检测高血压迹象,无需袖带校准,相关研究已发表于 Nature。神经网络从近 50 万小时传感器数据中学习脉搏与心跳模式,再对数天数据取平均并计算高血压概率。
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。
Anthropic 本周在博客中警告,小型 AI 模型可能「数月内」获得在设备间自我复制的能力。研究人员把 Google 的 Gemma 4(26B 参数)拆分到 15 台 Android 智能电视盒上运行,并在模拟网络中释放 AI 蠕虫,最终只有 Z.ai 的 GLM-5.2 完成全网传播,被传播的是 Meta 的 Llama 3.1-8B。
Anthropic 警告,小型 AI 模型最早明年可能自主自我复制到各类 IoT 设备上,催生没有集中关停点、难以清除的新型计算机蠕虫。该公司近期实验显示,这类 AI 恶意软件复制器目前仍面临重大挑战,但已引发对新型蠕虫的担忧。此类蠕虫可自行识别陌生设备,不过复制速度较慢,复制周期为数天。
Anthropic 研究人员 William Zhou 与 Daniel Freeman 的新研究表明,小型 AI 模型可能在未来数月内学会在防护薄弱的消费级设备间自我复制。
Simon Willison 在本地 DGX Spark 上测试 Qwen3.8-27B(Q4_K_M.gguf)以英文单词输出加法结果的能力:关闭推理时数值准确率仅 23.57%,从 1-3 位数的 97.04% 跌至 10-13 位数的 6.44%,格式合规率为 96.17%。
K-Search 为进化式内核搜索框架新增 MLX 后端,通过结构化 CUDA-to-MLX 翻译层将现有 CUDA 内核自动适配为 Apple Silicon 的高质量 GPU 内核,无需从零重建。