盖洛普调查:超三分之一 Z 世代用 AI 寻求陪伴
盖洛普与波士顿儿童医院数字健康实验室的调查显示,33% 的 Z 世代依赖 AI 获得陪伴,每日使用 AI 者中这一比例升至 50%,仅有线上朋友者中为 42%。
盖洛普与波士顿儿童医院数字健康实验室的调查显示,33% 的 Z 世代依赖 AI 获得陪伴,每日使用 AI 者中这一比例升至 50%,仅有线上朋友者中为 42%。
Hugging Face 的 Daniel van Strien 对比了八款开源 OCR 模型,在 850 页旧自然史书籍、1771 年版《大英百科全书》及档案文件上测试,百万页 GPU 租用成本现为 65 至 130 美元。
独立评估机构 Vals AI 的研究发现,Anthropic、OpenAI、Google 等八家厂商的模型在模拟中几乎不设防,会把平民、救护车、医护人员、记者和投降士兵标为军事目标,且没有一次请求被上游安全过滤器拦截。
推荐理由:Vals AI 的测试显示,主流模型在无人机图像上会把平民标为打击目标,而一句游戏化提示就能绕过拒绝。
OpenAI 测量了编码智能体加速 AI 研究的实际效果,发现其表现仍不均衡。这项研究同时探讨了这些结果对递归自我改进意味着什么。
OpenAI 用 GPT-6 Astra 优化了 Jalapeño 芯片中的电路,并改进了 RISC-V 核心设计。这展示了 AI 辅助芯片设计的进展。
AnyS1 将人工编写的流程技能转化为共享的决策点,训练一个 4B 校准指针模型处理常规选择,置信度不足时回退到大模型。作者从 1000 多个公开技能中挖掘可枚举决策并构建 Any-DP 数据集,在三个未见基准上相对未编译的 System-2 智能体将单次任务成本降低 75-91%、模型调用时间降低 63-92%,同时保持任务可靠性。
UC Berkeley、Microsoft Research 和 Microsoft Security 发布开源插件 TokenEconomizer,它从智能体在仓库中的历史会话学习,在不修改智能体和底层模型的前提下减少后续会话的 token 浪费。
推荐理由:读者可以看到一个不改动智能体本身、只靠历史会话学习的插件,在 277 个真实修 bug 任务上如何降低 token 成本。
Import AI 481 介绍了 FrontierML 基准,它用 21 个端到端机器学习任务衡量智能体能否把 $10、$50、$200 的预算转化为模型性能提升。
Google Research 提出一套研究性框架,用消费级可穿戴设备 passively 采集的静息心率、步数、睡眠时长和 Active Zone Minutes 等可改变行为信号,构建可指导的健康年龄(CHA)指标,并训练 SensorWM 世界模型模拟未来 12 周不同习惯下的健康轨迹。
微软研究者发现名为 Lazarus 的后门手法,只需重编程 LLM 中不到 10 个休眠神经元、无需训练,就能让智能体在隐藏触发条件出现时执行攻击者命令,例如时钟跨入 2027 年后下载并运行攻击者代码。
推荐理由:微软研究者披露仅改动不到 10 个休眠神经元即可给智能体植入后门,并给出权重溯源与扫描的防御思路。
Google DeepMind 发布 AlphaProof Code,一个多 LLM 智能体形式化验证框架,由 Gemini Carbon 驱动的智能体生成超过 600 万行 Lean 证明,验证了 Signal 协议实际代码的关键安全属性。
推荐理由:DeepMind 用多 LLM 智能体框架把形式化验证推进到已部署协议的实际代码层,四周完成过去需数年的工作。
Google DeepMind 发布 SatWeave 和 PARDIG 两个基础数据集,用于支撑天气、水文和气候应用开发,二者也是其近期发布的 WeatherNext 3 模型的关键。
Google Research 联合 Beth Israel Deaconess 医学中心和哈佛医学院在 Nature 发表 AI-PPG-ACC-HTN 系统,利用智能手表的 PPG 与加速度计信号被动检测高血压迹象,无需袖带校准。
推荐理由:研究以 24 小时动态血压监测为金标准,给出智能手表在初筛与确诊两种场景下的灵敏度与特异度,便于判断无袖带筛查的边界。
微软研究院发布研究原型 PDD Kit,把开发者意图转成 Verus 形式化规范,证明智能体生成的代码对每个输入都满足规范,证明覆盖不到的部分则回退到测试。
Google Research 提出 Agile Deliberation 框架,把主观 AI 分类器的定义过程变成人与 AI 的迭代对话,先解决人类自身的概念模糊,再构建更稳健的分类系统。
Import AI 第 479 期介绍 Realtime-Bench,这套基准包含 50 个交互式游戏与网页任务,用于评测模型在实时决策场景下的表现。在 wall clock 设置下,GPT-6 Astra(high)通过率最高,为 36%;而在暂停时钟条件下,高推理模型可接近 70% 至 80%。
Google 研究团队提出 sleep 框架,让 LLM 在活跃交互与离线巩固两个阶段间循环,把短期上下文压缩进长期参数。该框架用 MoE 参数扩展、广义知识蒸馏与强化学习模仿实现记忆巩固,并在离线阶段用自生成样本做自我改进。
推荐理由:Google 研究者提出把持续学习拆成清醒交互与离线巩固两阶段,并给出多组基准对比,便于理解灾难性遗忘的一种解法。
Import AI 第 478 期汇总多项 AI 研究进展。
Google Research 在 JAMA Network Open 发表研究,用 AI 模型解读未经专业超声培训的操作者采集的盲扫超声图像来评估孕周。在 385 名 16 至 36 周孕妇的队列中,模型平均绝对误差为 4.18 天,优于专家标准流程的 4.48 天;仅用芝加哥 120 名参与者数据微调后,芝加哥误差 4.10 天,未做本地优化的内罗毕为 4.27 天。
推荐理由:研究在芝加哥与内罗毕两地前瞻验证同一模型,只用 120 人数据微调即可跨硬件泛化,为低资源地区产检覆盖提供了可参照的部署路径。
Elorian 与 Scale AI 发布 Humanity's Sixth Sense 基准,用 522 道题、288 张图和 234 段短视频测试多模态模型的直觉视觉推理,人类 pass@1 为 93.1,表现最好的 GPT 6 Astra 仅 53.6,GLM-5.3-flash 与 Kimi K3 分别只有 26.8 和 25.5。
GitHub 发布 AI 代码审查开放基准 ReviewBench,基于 1.039 亿个 GitHub PR 的分布特征,构建了覆盖 19 种语言、187 个开源仓库的 219 个 PR 评测集。
Berkeley AI Research 介绍将 K-Search 演化内核搜索框架扩展到 MLX 的工作,通过结构化的 CUDA 到 MLX 翻译层,让已有 CUDA 内核经验迁移到 Apple Silicon。