13500 篇论文的实测数据,Computer Science 高达 62%,比泛泛而谈有说服力得多。漏检率 20% 说明真实数字还要更高,做科研或投稿的人该看看这个趋势。
AI in Health and Life Sciences
UniPat AI 拿 4207 个真实实验结果当考题,13 种智能体配置最高才考 0.486 分,基本等于瞎猜。比起刷数学题的排行榜,这个基准更能看出 AI 做科研的真实短板,做 AI4Science 的开发者应该跑一下自己的模型看看。
这篇 npj Digital Medicine 的论文讨论了一个容易被忽略的点:口腔黏膜本身的色素差异会让 AI 筛查模型在某些人群上表现变差。做医疗 AI 验证或口腔筛查工具的团队,以及关注算法公平性的研究者都该看看。
脑卒中诊断要同时看CT和MRI,这项工作把不确定性建模和病灶定位绑在一起做,输出会附带可信度。做医学影像AI或临床落地的团队可以看看它的思路,跟单纯输出分类结果的方法比多了定位能力。
Meta 这篇论文思路很妙:让模型用 3 个不同身份回答同一个问题,只留下大家都一致的部分,答案不一致就弃答。不用重新训练就能提升可信度,做问答或客服系统的人可以直接试试。
清华团队用 3.8 亿个细胞训出蛋白组模型 ProtCell,还在摩尔线程 S5000 上跑通了预训练,和国外 GPU 结果只差 0.2%。做生命科学 AI 或关心国产算力的人可以看看这篇论文怎么写的。
微软云服务挂了快 24 小时,74 个国家报告故障,银行交易员都回去用传真了。做过依赖 Outlook 和 Teams 办公的人应该都懂这种痛,故障复盘过程也值得运维和金融 IT 从业者看看。
医疗 AI 常见卡点是患者数据不能出院,Dyania 干脆把 Synapsis 平台搬进医院机房,靠 Nvidia 算力在院内跑推理。做医疗信息化或医院采购的人可以看看这条路线,比云端方案在合规上省很多麻烦。
MIT CSAIL 这次把流体、颗粒物和蛋白质折叠塞进了同一个模型,省得研究者为每种材料各写一套模拟器。做软体机器人或药物分子设计的人可以关注,这类统一物理模拟可能改掉你们现有的工具链。
The Endless Frontier 开源了一个能跑多步生物信息分析的智能体模型,基于 Qwen,权重随便下。BioMysteryBench 最难子集上拿了 70.59%,不过 BixBench3 上还打不过 GPT-6-Astra。做生信、手里有敏感数据的实验室值得装一个试试。
Cohere 聊了他们 North 平台怎么管智能体部署,云上、私有环境甚至完全断网的内网都能治理。做企业私有化落地的团队可以看看别人怎么处理安全和合规。
Wolters Kluwer花最高1亿美元买下AgileMD,把UpToDate Expert AI和FDA批准的eCART预警直接塞进EHR界面,医生不用切系统就能用。做医疗信息化或医院采购的可以关注这个整合思路。
Google 这一周发得真够密的:两款 8 代 TPU、Gemini 4 Carbon 和 Hydrogen 两个新模型,还有 Gemini Robotics 2.5 和智能眼镜预购。做开发的可以直接去 AI Studio 试试新的 Decisions API,关心算力成本的也该看看新 TPU。
OpenAI 把之前的 Instant Checkout 推倒重做,换成了带令牌支付和 Face ID 确认的 ChatGPT Wallet。和 Anthropic、Meta、xAI 的购买代理比,它把卡号藏在支付令牌后面,安全设计更细。做电商或 agent 开发的可以看看它的支付流程怎么设计。
Visa、Mastercard 和 Amex 亲自下场和 OpenAI 一起做了这套钱包支付,用令牌替代真实卡号,商户和智能体都拿不到卡信息。之前 Instant Checkout 要商户改造库存接口,这次直接在普通结账页付款,门槛低多了。不过 Amazon、eBay 和美联航都在封机器人,能不能普及还得看商户态度。
a16z 拆了一笔账:一款新药现值成本接近 20 亿美元、平均 13 年才能上市。文章讲清 AI 在分子筛选、临床试验设计、患者招募三个环节分别能省多少时间,适合关注医药投资或 AI 落地方向的人。
Bitwise-reproducible gradients combined with a speedup is rare in scientific GPU kernels, since most fast attention implementations sacrifice determinism. Labs running AlphaFold-style training on H100 or H200 clusters can cut per-step time directly by swapping the backend. The comparison against OpenFold3's Triton backend gives a concrete baseline for teams evaluating whether to switch.
盖洛普这份调查挺有意思:患者其实没那么排斥 AI 看病,医疗服务者反而高估了抵触情绪。关键是医生得盯着 AI 的判断。做医疗 AI 产品或医院信息化的都该看看,监督流程设计比技术本身更能打动患者。
B Capital 这期 5 亿美元基金有 20% 专门留给亚洲,主投 AI 基础设施、机器人和医疗。如果你在新加坡或印度做科技公司融资,可以关注他们的投资节奏,比 Peak XV 那类只盯印度的机构覆盖面更宽。
这篇快讯一期能看完四件事:Oura 拿了 6.25 亿美元做 AI 医疗,Pfizer 在做每月一次的 GLP-1,还有 Outlook 断了两天和瑞典的数据中心新政。想快速掌握今天科技圈动向的,扫一眼就够。
a16z 把制药生意拆成两半:研发像赌爆款,上市后像收年金,AI 恰好能把两头都改善。文中拿一款爆款药的年营收对标大型软件公司,数字感很强。做 AI 医药方向的人值得对照原文看论证细节。
npj Digital Medicine 这篇新论文讨论医疗 AI 出问题时医生能不能发现。结论不太乐观:自动化偏见和时间压力会让人工审核形同虚设。做医疗 AI 产品、医院信息科和关注 AI 监管的都该看看。
npj Digital Medicine 上的一项新研究,用 AI 把稀疏的反射光谱补成连续光谱,肤色和血液参数估计更准了。做医疗影像、可穿戴健康监测的团队可以看看,方法能降低对高端光学硬件的要求。
国内250名三甲医院医生一起评测的肺癌诊疗AI,覆盖复杂诊疗场景。做医疗AI或者在医院信息科的朋友可以看看,这种规模的医生联合评测在国内不多见,评测口径也能当采购参考。
一组医生创始人拿了 2000 万美元,做的是医疗账单编码自动化。有意思的是他们故意不用纯大模型,而是规则加神经网络的混合架构,主打合规可审计。做医疗 AI 或对幻觉敏感场景的团队可以看看这条技术路线。
中科院团队做的 M³Net 挺有意思,它不再只看单尺度特征,而是像医生那样从整体肺部到结节细节层层分析,在 LIDC-IDRI 数据集上比了十二种算法都有提升,对那种边界模糊的难判断结节特别有用。做医疗影像 AI 的人可以看看它的多尺度对齐思路,论文发在 Information Fusion 上。
Sundar Pichai 这次说得很直接:没有哪个知识型岗位能躲开 AI 影响。跟 Anthropic 那边 Dario Amodei 的裁员警告是同一个方向,两边都点名了白领工作。做文字、分析、写代码的人建议看看,重新评估一下自己的岗位风险。
临床问答最怕啰嗦,这篇论文用单张消费级 GPU 微调 1.7B 小模型,回答砍掉 72.8% 还更准了。不靠奖励模型和偏好数据,靠提高 EOS 概率这一个技巧,微调党可以直接抄作业。
医院拒付追讨是个又贵又磨人的环节,R1 把六个 AI 模块拼成一套系统,还敢按追回效果收费。做医疗 SaaS 或收入周期的团队可以看看它的模块化打法,医院信息科的人也该关注一下.
做 Agent 多轮协作的人该看看:模型听到"专家不同意"就乱改答案,5 个模型全没达标,准确率最多掉 16 个点。论文给了套可复用的配对审计指标,直接能拿来测你自己的修订流程。
抑郁检测这块大多只输出标签,这篇换了个思路:先学健康人的情绪动态,再看偏离多远,还给出三个可解释的动力学指标。五个队列的 F1 数据都摆出来了,连在哪个数据集上不好使也写了,做医疗 AI 或多模态的可以看看
医疗多模态模型看片子也会一本正经地胡说,这篇给了一个不用重训模型的检测法:用基尼系数看注意力在图像和文字间怎么分布,幻觉回答的分布明显不同。做医疗 AI 可靠性或 LLM 可解释性的研究者和工程团队都值得跑一下代码对比现有基线。
这篇论文算了笔明白账:现有公开数据只有 10 条验证向导,想做 conformal 认证得要 2 万条,根本不够。还揪出了 CRISPR 基准里的数据泄漏,简单基线就能打平训练模型。做基因编辑机器学习评测的人应该看看。
做开放权重模型安全的研究者应该看看这篇。它在预训练时插入梯度上升压制敏感知识,1B 模型上对抗性微调的成本比纯语料过滤高 20 倍以上,比事后 unlearning 靠谱得多,代码也开源了。
Training on real clinical archives lets a specialized model beat general frontier systems on both capability and resistance to leading clinical prompts — a notable result for medical AI evaluation methodology. Radiology teams, hospital AI buyers and health AI developers should examine its benchmark design, especially the longitudinal comparison task, when assessing clinical imaging products.
这篇来自 arXiv 的论文做了个挺有意思的模型:把 ICU 里的动脉压、颅内压、呼吸机波形这十种信号一起预训练,术中低血压预测 AUROC 到 0.894,19 个任务上没有输过。做生理信号或医疗 AI 的开发者可以仔细看看 LSCNorm 这个设计。
这篇审计会改变你看医疗模型榜单的方式:两个知名开源模型对气胸全部漏诊,还能流畅描述体征再否认它。做医疗 AI 选型或部署的人必须看,评估任何 VLM 都该按病症拆分指标,别信平均分。
做药物生成的朋友可以看看这篇:BindMol 把对接分数拆成多个 hotspot 目标来训练强化学习,比传统只优化单一分数的生成方法更能产出多样结合模式的分子,论文在 arXiv 上可读。
澳洲一家做问诊记录AI的公司进了韩国顶尖医院。医生边问诊边自动生成病历,这类工具现在美国有Abridge、Nuance DAX在抢市场,Heidi借三星医院拿韩国落地资格。关注医疗AI出海和医院数字化的人可以看看。
ACE Robotics 把 Mundo 世界模型和机上技能拼成了一套酒店洗衣机器人,失败案例能反哺技能改进,单轮 18.6 秒。想看世界模型怎么在真实场景落地的,这篇比纯实验室 demo 有参考价值,做具身智能的可以细看。