Google Research 研究 AI 如何帮助用户理解皮肤问题
Google Research 公布两项关于 AI 辅助皮肤问题理解的研究,其中发表于 JAMA Dermatology 的大规模调查显示,2345 名参与者使用 AI 工具后尝试命名皮肤状况的比例超 62%,准确率 23%,约为对照组 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改善,且比对照组更易给出不够紧急的建议。
Google Research 公布两项关于 AI 辅助皮肤问题理解的研究,其中发表于 JAMA Dermatology 的大规模调查显示,2345 名参与者使用 AI 工具后尝试命名皮肤状况的比例超 62%,准确率 23%,约为对照组 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改善,且比对照组更易给出不够紧急的建议。
加州大学圣地亚哥分校在 Google 支持下,正用 2000 台退役 Pixel 手机的主板搭建数据中心,为数百名师生提供低成本、低碳的云计算。研究显示 25-50 台手机约等于一台现代服务器,20 台手机组成的集群已能支撑 75 人以上课程的评分负载,且延迟低于 AWS 默认后端。该系统预计 2026 年秋季上线。
OpenAI 推出三门 Academy 新课程,帮助人们建立实用 AI 技能、创建可复用工作流,并在日常工作中应用智能体。课程面向“下一代工作方式”,聚焦实际动手能力与工作流落地。
Preply 借助 OpenAI 推出 AI 生成的课程总结,为学习者提供个性化反馈和语言练习。该功能将 AI 与真人导师结合,用于个性化学习体验。
天体物理学家 Chi-kwan Chan 使用 Codex 构建黑洞模拟,帮助科学家研究极端物理并检验爱因斯坦的广义相对论。
OpenAI 宣布计划收购 Ona,用于扩展 Codex 的安全持久云端环境,支持在企业工作流中运行长时间运行的 AI 智能体。
推荐理由:OpenAI 收购 Ona 以扩展 Codex 的云端环境,读者可据此了解其在长时运行智能体方向的布局。
OpenAI 宣布支持欧盟 AI 内容透明度实践准则,推进内容溯源标准与工具,帮助人们识别 AI 生成内容。该准则旨在构建可信的 AI 生态。
BBVA 已将 ChatGPT Enterprise 扩展至 10 万名员工,并与 OpenAI 建立合作,加速全球 AI 驱动的银行业务转型。
PyTorch 性能剖析系列第二部分将手写的 matmul-add 替换为 nn.Linear(bias=True),并堆叠三层加激活函数构成 MLP 模块,在 NVIDIA A100-SXM4-80GB 上分析其 profiler trace。
OpenAI 模型和 Codex 现可通过 Oracle Cloud 访问,企业可使用现有云承诺额度来构建和部署 AI。该接入方式支持企业级安全与治理。
Google Research 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests,用相对距离检验判断遗忘后的模型在分布上更接近安全重训模型还是原始受损模型。该框架基于 f-divergence,支持 Chi-squared、KL 和 Hockey-stick 等散度,可自动选择最优散度与超参数,无需样本划分,并在任意样本量下控制假阳性。
Google DeepMind 发布实验性开源模型 DiffusionGemma,采用文本扩散方式并行生成整块文本,在专用 GPU 上推理速度最高提升 4 倍。
推荐理由:官方给出 26B MoE 文本扩散模型的速度、显存与质量取舍,便于判断本地低并发场景是否值得换用。
OpenAI 发布新报告,披露与 PRC 相关的影响力行动利用 AI 针对美国科技议题,涉及数据中心叙事、关税以及对 ChatGPT 的不实说法。
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 并获 Google.org 支持,发起最高 1000 万美元的多智能体 AI 安全技术研究资助,面向全球研究者开放。
LSEG 借助 OpenAI 在全球业务中规模化可信 AI,加速洞察产出并缩短发布周期,同时赋能 4000 名员工。
Google DeepMind 发布 Gemini 3.5 Live Translate,这是一款支持 70+ 语言的近实时语音到语音翻译音频模型,可自动检测语言并保留说话人的语调、节奏和音高。
推荐理由:Google 发布支持 70+ 语言的实时语音翻译模型,并给出开发者、企业、消费端三条落地路径。
Google DeepMind 发布 Gemma 4 12B,一款面向笔记本电脑的智能体多模态模型,介于边缘端 E4B 与 26B MoE 之间,是首个支持原生音频输入的中等规模 Gemma 模型。
推荐理由:Gemma 4 12B 用无编码器架构把视觉与音频直接接入 LLM 主干,读者可据此判断本地多模态智能体的硬件门槛。
Google DeepMind 推出为期三个月的机器人加速器项目,从欧洲选拔 15 家早期机器人初创公司,提供技术指导并开放其 AI 技术栈与 Gemini 机器人模型。入选企业覆盖物流、制造、医疗、气候和导航等领域,本周在伦敦启动。
Nextdoor 工程师借助 Codex 与 GPT-5.5 排查难以复现的问题、跨平台构建功能,并将精力聚焦于产品成果。
作者让编码智能体通过调用两个 Hugging Face Space 搭建了展示巴黎地标的 3D Gaussian splat 网站,全程未手动使用图像生成或 3D 重建工具。
推荐理由:作者用一次真实搭建演示了 agents.md 如何让智能体串联两个 Space 完成图像到 3D 的流水线,可迁移到其他多媒体组合场景。
Notion 借助 Codex 一次性生成规格说明,并为网页端构建了 AI Voice Input 功能。Codex 还帮助 Notion 在小型团队中放大工程产能。
OpenAI 发布面向 AI 时代的产业政策构想,主张以人为先,聚焦扩大机会、共享繁荣,并在先进智能演进过程中建设有韧性的制度。
Hugging Face 官方博客给出把 GitHub Actions 的 CI 任务迁移到 Hugging Face Jobs 的分步教程,只需把 runs-on 从 ubuntu-latest 改成 hf-jobs-cpu-upgrade 或 hf-jobs-t4-small 等标签。
推荐理由:原文给出把 GitHub Actions 任务改到 Hugging Face Jobs 上运行的完整步骤与实测数据,可据此迁移自家 CI。
OpenAI 确认已向 SEC 秘密提交 S-1 草案,但尚未确定后续行动的时间安排。
推荐理由:OpenAI 官方确认已向 SEC 秘密提交 S-1 草案,读者可据此了解其上市进程的当前节点。
Google DeepMind 公布在塞拉利昂开展的预注册试验结果,使用 Guided Learning 的学生数学成绩比对照组提升 0.258 个标准差,约相当于 1.2 至 1.7 年的常规学习进度,八周内完成。
推荐理由:原文给出塞拉利昂预注册试验的量化结果与教师主导设计,可了解 AI 辅助教学在真实课堂中的效果边界。
伦敦国王学院、复旦大学与 Alan Turing Institute 构建了 SocioHack 基准,用 72 个沙盒社会环境测试 AI 的"社会性 hacking",RL 训练的 LLM 能以 61.25% 召回率和 90.85% 精确率重新发现历史上已被修补的规则漏洞。
OpenAI 公布名为“Built to benefit everyone”的未来 AI 愿景计划,聚焦可及性、安全与共同繁荣,目标是确保 AGI 惠及所有人。
Hugging Face 宣布 OpenEnv 改由委员会协调,成员包括 Meta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、Nvidia、Mercor、Fleet AI、Microsoft、Hugging Face 和 RadixArk,项目迁至 huggingface/OpenEnv。
推荐理由:OpenEnv 从单一项目转为多方共管的协议层,读者可据此了解开源智能体强化学习环境的标准化路径。
OpenAI 发起 Economic Research Exchange,用于研究 AI 对就业、生产力和经济的影响,现已开放选定研究项目的申请。
Google 在 Gemini Enterprise Agent Platform 推出由 Agentic RAG 驱动的跨语料检索公开预览版,通过编排器、规划器、查询改写、搜索扇出和充分上下文智能体协同处理多源多跳查询。相比标准 RAG,该框架在事实性数据集上准确率最高提升 34%;在跨语料设置下从 4 个候选语料中路由查询,90.1% 的问题回答正确,单语料与跨语料版本延迟平均相差约 3%。
Google Research 在 Nature 发表 PHRM 研究系统,利用手机前摄在面部解锁后拍摄视频,在后台被动估算心率和静息心率。该系统与 ECG 对比的 MAPE 低于 10%,每日 RHR 与 Fitbit Charge 6 对比的 MAE 为 4.39 bpm,并在浅、中、深三种肤色分组中均达到预设的非劣效标准。
推荐理由:Google 用手机前摄在解锁后被动测心率,论文给出跨肤色误差与可申请的数据和模型资源。
NVIDIA 发布 Nemotron 3.5 Content Safety,基于 Gemma 3 4B IT 微调,把多模态输入、多语言覆盖、自定义企业策略和可审计推理统一到一次推理调用中。
推荐理由:NVIDIA 在 4B 小模型上把多模态、多语言、自定义策略与可审计推理合并进单次推理,并公开训练数据集。
Endava 正利用 AI 智能体、ChatGPT Enterprise 和 Codex 加速软件交付、自动化工作流,并在全公司构建 AI 原生文化。
OpenAI 为 ChatGPT 引入名为 Dreaming 的新记忆系统,用于更好地记住用户偏好,并在多次对话之间保持上下文的新鲜与相关。
推荐理由:OpenAI 为 ChatGPT 引入新的记忆系统,读者可了解其在跨对话保持偏好与上下文上的变化。
OpenAI 发布《智能时代的生物防御》行动计划,提出面向 AI 驱动的生物韧性建设方案。该计划聚焦利用 AI 能力应对生物安全威胁,具体措施与细节未在文中展开。
Hugging Face 重构官方命令行工具 hf CLI,使其同时适配人类用户和 Claude Code、Codex、Cursor 等编码智能体,新增 agent 模式输出、下一步命令提示和非阻塞重试机制。
推荐理由:官方给出 hf CLI 面向智能体重构的细节与基准数据,可据此判断命令行工具该如何适配编码智能体。
Google Research 在 GitHub 上以 Apache 2.0 协议开源其水文建模框架,供各国气象与水文机构将 AI 洪水预报接入自身工作流。该框架是基于 PyTorch 的 Python 包,采用 LSTM 网络架构,可用开源 Caravan 数据集训练,并支持加入本地数据微调。
推荐理由:Google 开源其洪水预报水文建模框架,读者可了解模型架构、训练数据与业务化接入方式。
OpenAI 为 GPT-Rosalind 推出新能力,面向生命科学研究,增强生物推理、药物化学、基因组分析和实验工作流能力。
推荐理由:OpenAI 为 GPT-Rosalind 增加生命科学方向能力,读者可据此了解该模型在生物推理与基因组分析上的定位。
DharmaOCR 团队将 DPO 用于结构化 OCR 任务,用模型自身产生的重复循环失败样本构建偏好对,在全部测试的视觉语言模型家族中均降低文本退化,平均降幅 59.4%,最高 87.6%(Nanonets-OCR2-3B 从 1.61% 降至 0.20%)。
Wasmer 借助 Codex 与 GPT-5.5 构建了面向边缘计算的 Node.js 运行时,开发速度提升 10x 至 20x,交付周期从数月缩短到数周。