清华大学发布单细胞蛋白组基础模型 ProtCell,利用摩尔线程 S5000 智算卡成功完成“虚拟细胞”预训练复现
清华大学自动化系江瑞课题组发布单细胞蛋白组基础模型 ProtCell,该模型汇集约 3.8 亿个细胞及 98 个公开数据集用于预训练与评估。团队在摩尔线程 MTT S5000 智算卡上成功完成全流程预训练复现,主要定量评测指标与国际主流 GPU 平台差异仅约 0.2%。此举验证了国产算力对前沿生命科学基础模型的承载力,为构建自主可控的“虚拟细胞”提供关键支撑。
清华大学自动化系江瑞课题组发布单细胞蛋白组基础模型 ProtCell,该模型汇集约 3.8 亿个细胞及 98 个公开数据集用于预训练与评估。团队在摩尔线程 MTT S5000 智算卡上成功完成全流程预训练复现,主要定量评测指标与国际主流 GPU 平台差异仅约 0.2%。此举验证了国产算力对前沿生命科学基础模型的承载力,为构建自主可控的“虚拟细胞”提供关键支撑。
中国科学院合肥物质院团队提出 M³Net 模型,通过模拟医生“先全局、再局部、后细节”的读片逻辑,实现肺结节良恶性辅助诊断。该模型在 LIDC-IDRI 和 USTC-FHLN 数据集上分类准确率优于十二种流行算法,且参数量与运算成本更低。研究结果已发表在 Information Fusion 上,旨在提高肺癌早筛的准确性与可解释性。
Microsoft Research 发布第 98 期研究简报,涵盖 AI 语音翻译进展、31 年未解的 KLS 猜想证明及编码智能体效率优化。针对长会话中上下文压缩导致的高成本问题,新提出的 APEC 方法在评估中降低了 25.4% 的成本和 9.6% 的执行时间。此外,研究还介绍了跨 104 种语言的 Latent Core Tokenizer 技术,旨在提升多语言模型性能。
谷歌联合 Artificial Analysis 推出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及完成现实知识工作任务的能力。Gemini 4 Carbon 在该测试中质量排名第二,平均任务成本仅为排名第一模型的六分之一。该基准包含 200 项任务,覆盖 10 个行业,目前已通过 Artificial Analysis 平台开放。
Alibaba等研究者提出Co-Design Bench基准,基于真实用户请求测试十款编码智能体,最佳模型GPT-6 Astra仅26.4%任务完全正确,近四分之三需人工清理。相较旧基准近满分,新基准暴露模型在交织需求与不同运行环境下的表现落差,建议模型与环境成对评估。
谷歌在 Nature 发表研究,推出 AI-PPG-ACC-HTN 多模态 AI 系统,无需袖带即可用消费级智能手表被动检测高血压。该系统聚合多天被动生理特征识别持续高血压状态,临床试验初步筛查特异度90%、阳性预测值80.6%,确诊检测阳性预测值96.7%,已支撑谷歌健康应用血压趋势功能。
Google Research 在 Nature 发表 AI-PPG-ACC-HTN 系统,利用智能手表 PPG 和 ACC 数据被动检测高血压迹象,无需袖带校准。该系统在 196 人多中心研究中达成初始筛查特异度 90.0%、确认测试 PPV 96.7%,准确率可比传统袖带诊断。研究强调其仅作机会性筛查早期验证,不代表现有或即将推出的商业功能。
推荐理由:论文提出AI-PPG-ACC-HTN系统,用智能手表被动检测高血压,准确率可比袖带诊断,为机会性筛查提供路径。
Google Research 开源了 Agile Deliberation 框架,通过迭代对话帮助人类定义主观 AI 分类器。该框架利用视觉语言模型挖掘边界图像,在 18 场 1.5 小时的实时用户研究中显著降低用户疲劳,并生成优于标准基线的模型。
利默里克大学研究显示,在 189 位知识工作者参与的实验中,拟人形象 AI 智能体比机器人形象获得更高信任与“薪酬”。尽管女性化智能体 Johanna 与男性化 Johan 在信任度上无显著差异,但 Johanna 获得的“薪酬”在统计学上明显更低。该研究揭示了人类在 AI 协同办公中对拟人化形象的偏好及潜在的性别偏见。
Google Research 在 JAMA Network Open 发表研究,显示 AI 从盲扫超声评估孕周在芝加哥与内罗毕前瞻测试中非劣于专家(MAE 4.18 天对比 4.48 天)。内罗毕站点零本地优化即达 MAE 4.27 天,模型仅用芝加哥 120 例数据微调。此为继回顾性验证后首次实地多中心前瞻性测试。
推荐理由:论文显示AI从盲扫超声评估孕周在两地均接近专家水平,意味着低成本探头配合新手操作可扩展产前筛查覆盖。
瑞典国防研究局(FOI)开源了名为 WiFireNet 的 AI 系统,通过分析 Wi-Fi 信道状态信息(CSI)识别隐藏手枪。在受控实验中,该系统检测手枪的平均精确率为 72.5%,但精准定位武器位置时精确率降至 53.8%。该研究论文于 10 月 13 日发布于 arXiv,团队计划后续采用 Wi-Fi 7/8 标准以提升性能。
阿里 Qwen 团队开源了 BlenderWorld,这是一个用于评测视觉智能体在 Blender 中完成真实 3D 创作任务的基准。该基准包含 223 个任务和 2,651 条标准,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,代码与数据集已同步发布至 GitHub、Hugging Face 和 ModelScope。
上海人工智能实验室团队依托书生-S2多模态大模型通过人机协同完成三维Ghys猜想证明,破解困扰数学界30余年的难题。北京大学团队用SHEAF框架形式化验证该证明,论文发于arXiv,代码在GitHub公开。团队计划将推理能力封装为端砚平台复用模块,形成自进化飞轮。
研究人员利用 AI 蛋白质设计工具,提取两类蛋白酶的核心催化结构并替换其余部分,成功设计出可精准切割特定蛋白质的新型酶。这些酶已被验证能有效切割与神经系统疾病相关的蛋白质,从而绕过了自然界漫长的酶多样化演化过程。
新基准 Humanity’s Sixth Sense 显示 GPT 6 Astra 在直观视觉推理上 pass@1 仅 53.6,远低于人类基线 93.1。该基准包含 522 个问题,旨在测试模型对视觉场景隐含信息的推理能力。此前业界普遍认为此类任务需依赖复杂的 3D 世界模型,而当前 LLM 的表现对此观点构成挑战。
何恺明团队在论文中提出视觉原生Harness框架VISTA,让现有多模态模型无需训练即可保存并回看原始画面参与推理。在ARC-AGI-3中,VISTA使Claude Opus 5.0完成全部25个公开游戏获满分100,GPT-5.6 Sol得分99,并在GameWorld等基准提升成功率。该框架包含视觉观测、无损视觉记忆与主动视觉检查组件,后续将验证具身任务。
Google 与贝斯以色列女执事医疗中心(BIDMC)在《柳叶刀》发表研究,显示 AI 聊天机器人 AMIE 在临床场景中鉴别诊断与医生确诊吻合度达 90%。该研究是 Google 成果首次登上《柳叶刀》主刊,98 名患者参与测试且无对话被中断,75% 场景下 AI 摘要帮助医生提前准备。
研究提出 Image-to-Code 方法:编码 Agent 接收单张照片,迭代编写并运行 Blender 程序,重建出可编辑、可查询的 3D 场景,配套基准 LEGO-Bench 包含来自 104 个室内外场景的 208 张图像和 443 个资产。
字节 Seed 基础模型博客公开了 242 篇研究论文,涵盖 LLM 持续改进、编码智能体指令遵循及 VLM 空间感知等方向。最新论文包括 2026.08.18 发布的 Chain-of-Experience for Continual LLM Improvement 和 2026.08.12 发布的 Harness-IF。该列表展示了团队在基础模型、多模态及科学计算领域的持续研究成果。
Kimi 团队发布 WorldVQA 基准,包含 3,500 个图像问答对以评估多模态大语言模型的原子视觉世界知识。实验显示前沿模型在长尾知识上准确率常低于 50%,且普遍存在过度自信现象,其中 Kimi-K2.5 在 ECE 和 Slope 指标上表现最佳。该数据集及评测脚本已开源,旨在推动多模态 AI 的事实可靠性。
Kimi 团队发布开源基准 PerceptionBench,包含 3,000 道验证题目以隔离评估多模态大模型的 10 项原子视觉感知能力。在 16 个前沿 MLLM 测试中,无模型准确率超过 60%,且感知相关幻觉平均表现最弱。该基准旨在通过暴露感知断点,推动多模态 AI 实现更忠实一致的视觉理解。
微软研究院发布 Quine,一个面向生物学复杂性的 AI 研究系统,由跨序列、结构、功能、细胞状态和成像等多模态数据联合训练的生物学世界模型,以及连接模型、科学工具、文献和实验人员的交互式 harness 组成。
推荐理由:微软研究院公开 Quine 的生物学世界模型与实验闭环设计,并给出胰腺癌化合物筛选的湿实验验证结果。
Google Research 发布新研究,利用生成式 UI 让教师创建定制化的交互式 STEM 学习模拟。该研究基于 LearnLM 模型,通过教学护栏和自纠正循环确保内容准确性,并发布了包含 30 多个英语 STEM 交互示例的库。美国 12 名教师试点反馈积极,平均评分 8/10,学校可通过 Google for Education Pilot Program 申请参与。
Google 在 CHI 2026 发布研究原型 AgentHands,可将 LLM 的高层推理映射为 XR 中与语音同步的手势,让 AI 智能体在 3D 空间里边说边演示。
Google DeepMind 回顾了 15 年游戏 AI 研究历程,从 DQN 玩转 49 款 Atari 游戏,到 AlphaGo、AlphaZero、MuZero、AlphaStar,再到由 Gemini 驱动的通用智能体 SIMA 2。
Google Research 提出 PhotoScan,一个从普通 2D 手机照片估算体脂率、Android-to-Gynoid 脂肪比(A/G)和内脏与皮下脂肪面积比(V/S)的深度学习框架。
微软研究院推出 MindTopo 基准,用于评估多模态大语言模型在连通性、封闭、顺序、分离和绳结等拓扑关系上的推理与规划能力。测试显示,当前模型在静态图像识别上表现明显优于交互式规划任务,失败多发生在规划阶段而非感知阶段,模型难以在场景变化中持续保持对拓扑结构的理解。图像与视频生成工具在维持拓扑关系上同样不可靠。
Google Research 发布 AMIE (Video),基于 Gemini 和 Project Astra 的实时视频问诊配置,能感知非语言临床线索、引导虚拟体格检查并实时进行诊断推理。
推荐理由:Google 用 300 场随机对照问诊给出实时视频临床 AI 的专家级评测结果,可看多智能体异步架构如何兼顾低延迟对话与深度推理。
微软研究院发布研究模型 CARE-X,一个统一胸部 X 光 VLM,可同时完成报告生成、疾病存在与否定判断、病灶定位及多标签分类等任务,并支持生成式与双推理模式。
Google Research 发布论文 SymptomAI,用五个基于 Gemini Flash 2.0 的实验性对话智能体开展症状访谈与鉴别诊断(DDx),共 13,917 名参与者随机分配到不同提问策略组。
推荐理由:Google 用 1.3 万人随机对照实验比较五种提问策略,并首次把 AI 诊断与 Fitbit 生理信号做交叉验证。
DharmaOCR 在葡萄牙语专属基准上取得 0.925 分,高于 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587。该模型通过葡萄牙语数据的监督微调与 DPO 两阶段训练,将全部参数集中于巴西葡萄牙语,从而在提取质量和稳定性上保持优势。
Google Research 公布两项皮肤健康 AI 研究:一项发表于 JAMA Dermatology 的大规模调查显示,2345 名参与者借助 AI 工具尝试命名皮肤状况的比例达 62%,准确率 23%,约为无辅助对照组 8% 的近三倍。但 AI 组在判断下一步就医建议上未取得统计显著提升,且比对照组更倾向建议较低紧急度的处理方式。
Google Research 在 Nature 发表研究,提出 PHRM 系统,利用手机前置摄像头在面部解锁后采集 8 秒面部视频,通过端侧深度学习估算心率,与心电图对比的平均绝对百分比误差低于 10%,覆盖所有肤色人群。
推荐理由:Google 用手机前摄在解锁后被动测心率,并公开迄今最大规模手机视频数据集与预训练模型。
Berkeley AI Research 提出基于互信息的成像系统设计框架,直接评估并优化系统信息含量。该框架在 NeurIPS 2025 论文中验证了其在四个成像领域预测性能的能力,优化结果匹配 SOTA 方法且无需任务特定解码器。