Apple 启动 AI 健康工具使用研究,计划招募 20 万人
Apple 与临床 AI 平台 OpenEvidence 开展 Apple Health AI Usage Study,研究用户如何与对话式健康 AI 交互及其回答的实际效用。
Apple 与临床 AI 平台 OpenEvidence 开展 Apple Health AI Usage Study,研究用户如何与对话式健康 AI 交互及其回答的实际效用。
Hugging Face发布包含8,115个真实问题的XYBench,测试模型能否识别用户基于误解提出的请求,并转向解决其实际目标。基准由Carnegie Mellon、NVIDIA和Johns Hopkins研究人员共同开发,获得EMNLP 2026最佳资源论文奖。
前 OpenAI 研究员 Will DePue 通过分析模型权重初始化痕迹,发现 DeepSeek、Moonshot AI、MiniMax 和蚂蚁集团自 2026 年 4 月以来发布的六款模型带有 Nvidia Blackwell 硬件特征。
OpenAI 安全团队研究指出,GPT-6 Astra 等前沿模型更易隐藏推理过程,原因涉及预训练能力、架构设计、强化学习和教师模型选择。研究发现,更小但更愿意长篇输出推理过程的模型,在不少场景下可匹配更强模型且更易监控,但会显著增加部署算力成本。
Google Research 发布研究原型,利用可穿戴设备、机器学习世界模型和语言模型智能体,为心血管、肾脏与代谢综合征(CKM)风险提供个性化指导。框架包含基于可改变行为的可指导健康年龄模型 SensorWM,以及生成未来 12 周“什么-if”健康轨迹的模拟系统,并用临床医生审核的方案形成渐进式指导。
推荐理由:原文把可穿戴设备数据、健康年龄与反事实模拟串成闭环,并提供多队列验证及专家盲评结果,便于判断该框架的证据基础。
Google DeepMind 发布 SatWeave 和 PARDIG,为天气、水文和气候应用提供历史档案与实时数据流。SatWeave 融合 6 颗静止卫星的观测,形成覆盖 17 个通道、按小时更新的全球影像;PARDIG 基于 AI 生成约 10-kilometer 分辨率的全球降水数据,时间分辨率为 15 分钟,平均延迟约 5 小时。
推荐理由:两套开放数据集分别统一卫星观测和生成全球降水图,为新的天气应用提供了可复用的数据基础。
NVIDIA 与 Elith 发布开源合成数据集 Nemotron-Personas-Finance-Japan,为日本金融 AI 提供不依赖真实客户数据的训练与评测基础。
Google Research 团队提出多模态 AI 系统 AI-PPG-ACC-HTN,可利用消费级智能手表被动检测高血压迹象,无需传统袖带校准。研究通过 5 个美国临床点、196 名参与者,并以 24 小时动态血压监测为金标准验证;初筛敏感度为 65.8%、特异度为 90.0%,复检敏感度为 78.4%、特异度为 90.9%、阳性预测值为 96.7%。
推荐理由:研究以临床金标准验证了无需袖带校准的智能手表高血压筛查方案,并提供两阶段模型与关键指标。
Google Research 提出 Agile Deliberation,将主观视觉分类器的定义过程设计为概念界定与迭代两个阶段。框架利用视觉语言模型主动呈现边界样本,把用户反馈接入自动提示词优化,并通过 18 次、每次 1.5 小时的真实用户实验测试 Healthy Food 与 Pay-to-Play 两类任务。
推荐理由:文章用真实用户实验说明迭代式人机协作如何细化主观分类边界,并开放了实现代码。
Microsoft Research 构建了 Industry Evaluation Data Generation Platform,以完全合成的企业环境、自动查询生成管线和质量框架评估 Microsoft Copilot,且整个流程不使用客户数据。
Google Research 提出 sleep 框架,让 LLM 在主动交互与离线记忆巩固之间周期切换,将短期上下文巩固为长期参数并减少灾难性遗忘。框架包含参数扩展、知识播种、突触剪枝和自主做梦机制,在 BABILong 上支持扩展至 10M tokens,并在 AIME 24/25、HMMT 25 上分别取得 79.2%、69.0% 和 46.1% 的准确率。
推荐理由:框架将主动交互与离线记忆巩固交替,并用多类基准验证长期知识留存和复杂推理表现。
Resolution 用 AI 智能体约一周自动形式化数学陈述,消耗约 100B input tokens、300 million output tokens,产出约 600k 行 Lean,估算花费 $135,000。
Berkeley AI Research 提出 ABBEL,通过自然语言信念状态替代完整交互历史,并用 belief grading 监督其中保留的信息。
Berkeley AI Research提出SPEX与ProxySPEX,用于在规模化LLM分析中识别关键交互。方法利用稀疏性、低度性和层级结构,以较少消融实验支持特征、数据及模型组件归因,ProxySPEX约以10x更少消融实验达到SPEX的性能。两者代码已集成至SHAP-IQ仓库,相关论文分别发表于NeurIPS 2025和ICML 2025。