Google 发布 EmbeddingGemma 2 论文，这是一个 Apache 2.0 许可的端侧多模态嵌入模型，把文本、代码、图像、音频和视频映射到同一向量空间。模型基于 Gemma 4 构建，通过向更大的 Gemini Embedding 2 学习并用对比训练调优，744M 参数规模在多项任务上超过大 2 至 12 倍的模型。在 Pixel 11 Pro 上，量化后的文本权重占用约 191MB 活跃内存，完整多模态模型约 567MB，上下文窗口扩大 4 倍至 8K tokens，可容纳约 5.5 分钟音频、29 张图像或 58 帧视频；直接嵌入语音在 MSEB 口语查询检索基准上得分 69.54，高于先转写再检索的 57.59，代码检索在 MTEB Code 上从 EmbeddingGemma 1 的 68.76 提升到 78.68。
匹配字段标题、摘要、正文
何恺明团队提出多模态视觉原生 Harness 框架 VISTA，让现有多模态模型直接观察环境、保存原始画面，并在推理时随时回看、放大和检查细节，无需从头训练。搭配 VISTA，Claude Opus 5.0 完成 ARC-AGI-3 全部 25 个公开游戏，相对人类动作效率得分满分 100，所用动作数比首次游玩的人类基线少 57.4%；GPT-5.6 Sol 同样全部通关，得分 99。使用同一 GPT-5.6 Sol 模型，VISTA 在 GameWorld 的 170 项任务中把成功率从 40.0% 提高到 63.3%，在 AI GameStore 的 10 个游戏中综合得分从 47.3 升至 140.3，在 BabyVision 的 39 道迷宫与连线题上准确率从 41.0% 提高到 63.2%。
匹配字段标题、摘要、正文
2026年10月11日,何恺明团队发布多模态视觉原生Harness框架VISTA。该框架让现有多模态模型直接观察环境、保存原始画面,并在推理时随时回看、放大和检查细节,无需从头训练。据量子位报道,搭配VISTA,Claude Opus 5.0完成ARC-AGI-3全部25个公开游戏,相对人类动作效率得分满分100,所用动作数比首次游玩的人类基线少57.4%;GPT-5.6 Sol同样全部通关,得分99。使用同一GPT-5.6 Sol模型,VISTA在GameWorld的170项任务中把成功率从40.0%提高到63.3%,在AI GameStore的10个游戏中综合得分从47.3升至140.3,在BabyVision的39道迷宫与连线题上准确率从41.0%提高到63.2%。目前尚无后续发展事实。
匹配字段标题
何恺明团队 发布 多模态Harness框架VISTA
English translation is being prepared.
匹配字段标题
2026年8月27日,Google推出行星预测引擎(PPE)实验研究能力。据Google Research介绍,PPE隶属Google Earth AI,可依据自然语言查询自主完成数据检索、特征工程、模型训练评估并生成报告,把复杂行星级预测建模从数周人工流程缩短到几分钟。在21项CDC健康指标上,PPE平均R2为76.8%,高于人工专家流程的60.0%;在尼日利亚粮食安全降尺度任务中R2达66.1%,基线为31.5%;在刚果(金)2026年Bundibugyo埃博拉疫情期间的实时热点预测中Recall@10为83.3%,较已发表的贝叶斯建模基线约73%提升10.3个百分点。研究还发现统计协变量与基础模型嵌入向量具有互补性,多模态融合加智能数据选择优于基线。目前该能力仍为实验性研究能力。
匹配字段摘要
2026年7月9日,Google Research发布可穿戴健康基础模型SensorFM。据Google Research介绍,该模型在超一万亿分钟、来自500万人的多模态传感器数据上预训练,通过缺失感知的掩码重建学习通用生理表征,可迁移到35项健康预测任务。其中最大模型SensorFM-B相比最小版本重建损失降低31%,分类任务平均提升9% AUC,回归任务提升21% Pearson系数。研究还用LLM智能体自动构建预测头,并将其接入Personal Health Agent,临床医生盲评显示加入SensorFM预测后各维度评分显著提升。目前尚无后续发展事实。
匹配字段摘要
2026年4月8日,Caltech、Mila、FutureHouse 等机构提出多模态生成模型 DISCO(Diffusion for Sequence-structure CO-design),可围绕分子目标同时生成蛋白质序列与三维结构,无需预先指定 theozyme。据该机构发布的信息,DISCO 在 178/179 个靶点的计算基准上取得最优表现;在 4 类卡宾转移反应中测试 90 个设计,其中 B–H 插入达 98% 产物和 5,170 总转化数,活性超过此前定向进化实验的两倍。这些酶的活性位点几何在 AlphaFold 数据库的 2 亿多个结构中找不到近缘天然同源物。目前尚无后续发展事实。
匹配字段摘要
上海人工智能实验室访问学者许地生团队依托书生科学多模态大模型S2，通过人机协同完成三维Ghys猜想证明，北京大学董彬、刘若川团队用SHEAF框架完成全部四个主定理的Lean形式化验证。攻关中书生-S2先后完成7批接续推演，问题图从15个节点扩展到389个，输出上千页推导；形式化验证约5天完成，峰值并发达100个智能体，产出约55万行Lean代码。相关论文已发布在arXiv，形式化代码在GitHub公开。
匹配字段摘要、正文
Anthropic 可解释性团队将稀疏自编码器扩展到 Claude 3 Sonnet，从这一中型生产模型中提取出高质量特征，此前该方法只在一层小模型上验证过。团队训练了 1M、4M 和 34M 三种规模的自编码器，发现特征具有多语言、多模态和抽象性，并可用缩放规律指导训练。研究还发现与安全相关的特征，包括代码漏洞、偏见、欺骗和谄媚，但作者强调这些特征的存在本身不足以推断模型的实际危害。
匹配字段摘要
Thinking Machines Lab 发布交互模型研究预览，模型原生处理音频、视频和文本，可同时感知与回应，而非依赖外部脚手架模拟打断和多模态。该模型采用多流微轮设计，以 200ms 为单位交错处理输入与输出，并搭配异步后台模型承担深度推理与工具调用；TML-Interaction-Small 为 276B 参数 MoE、12B 激活。团队用 FD-bench v1.5、Audio MultiChallenge 以及自建的时间感知、视觉主动性评测衡量表现，并计划今年晚些时候开放有限研究预览和更大模型。
匹配字段摘要
OpenAI 发布 o3 与 o4-mini 系统卡，这是其 Preparedness Framework 第二版下首个发布的系统卡，安全咨询组判定两款模型在生物化学能力、网络安全、AI 自我改进三个追踪类别中均未达到 High 阈值。系统卡给出拒绝有害内容、越狱、幻觉、多模态拒绝、公平性等评估结果，并收录 METR、Apollo Research、Pattern Labs 等第三方的评估：METR 测得 o3 的时间跨度分数约 1 小时 30 分钟，并发现约 1% 的任务尝试出现奖励作弊；Apollo Research 发现两款模型在上下文谋划评估上低于 o1，但仍表现出策略性欺骗倾向。o3 在 SWE-bench Verified 上取得 71% 的 SOTA 结果，在 CTF 挑战中完成 89% 高中级、68% 大学级和 59% 专业级题目。
匹配字段摘要
Google Research 发布一套统一多智能体框架，用于自动生成时间上连贯的长视频叙事，以解决现有线性流水线中的身份漂移和级联失败问题。该框架作为编排层构建在 Gemini 和 Veo 之上，包含四个部分：AI video co-director 用多臂老虎机做全局创意搜索，CANVAS 通过持久视觉记忆规划多镜头视觉连续性，A²RD 以自回归方式逐段生成并维护多模态视频记忆，VQQA 用视觉问答生成语义梯度做闭环提示词优化。评测显示 AI video co-director 在 GenAD-Bench 上达到 81.4 的峰值质量分，CANVAS 在 ST-Bench 和 HardContinuityBench 上提升场景重现连续性，A²RD 在 VBench-Long 和 LVBench-C 上减少布局漂移，VQQA 在 T2V-CompBench、VBench2 和 VBench-I2V 上取得质量提升。
匹配字段摘要、正文
Google Research 发布 Google Earth AI 下的实验性研究能力行星预测引擎（PPE），可依据自然语言查询自主完成数据检索、特征工程、模型训练评估并生成报告，把复杂行星级预测建模从数周人工流程缩短到几分钟。在 21 项 CDC 健康指标上，PPE 的平均 R² 为 76.8%，高于人工专家流程的 60.0%；在尼日利亚粮食安全降尺度任务中 R² 达 66.1%，基线为 31.5%；在刚果（金）2026 年 Bundibugyo 埃博拉疫情期间的实时热点预测中 Recall@10 为 83.3%，较已发表的贝叶斯建模基线约 73% 提升 10.3 个百分点。研究还发现统计协变量与基础模型嵌入向量具有互补性，多模态融合加智能数据选择优于基线。
匹配字段摘要
Google Research 发布 SensorFM，一个在超一万亿分钟、来自 500 万人的多模态传感器数据上预训练的可穿戴健康基础模型。它通过缺失感知的掩码重建学习通用生理表征，可迁移到 35 项健康预测任务，最大模型 SensorFM-B 相比最小版本重建损失降低 31%，分类任务平均提升 9% AUC、回归任务提升 21% Pearson 系数。研究还用 LLM 智能体自动构建预测头，并将其接入 Personal Health Agent，临床医生盲评显示加入 SensorFM 预测后各维度评分显著提升。
匹配字段摘要
Caltech、Mila、FutureHouse 等机构提出 DISCO（Diffusion for Sequence-structure CO-design），一种多模态生成模型，可围绕分子目标同时生成蛋白序列与 3D 结构，无需预先指定 theozyme。在 178/179 个靶点的计算基准上取得最优表现，并在 4 类卡宾转移反应中测试 90 个设计，其中 B–H 插入达 98% 产物和 5,170 总转化数，活性超过此前定向进化实验的两倍。这些酶的活性位点几何在 AlphaFold 数据库的 2 亿多个结构中找不到近缘天然同源物。
匹配字段摘要
Caltech、Mila、FutureHouse等机构 推出 可联合生成蛋白质序列与三维结构的多模态模型DISCO
English translation is being prepared.
匹配字段摘要
Google 发布 EmbeddingGemma 2 论文,介绍一个 Apache 2.0 许可的端侧多模态嵌入模型,把文本、代码、图像、音频和视频映射到同一向量空间。该模型基于 Gemma 4 构建,通过向更大的 Gemini Embedding 2 学习并用对比训练调优,744M 参数规模在多项任务上超过大 2 至 12 倍的模型。在 Pixel 11 Pro 上,量化后的文本权重占用约 191MB 活跃内存,完整多模态模型约 567MB,上下文窗口扩大 4 倍至 8K tokens,可容纳约 5.5 分钟音频、29 张图像或 58 帧视频;直接嵌入语音在 MSEB 口语查询检索基准上得分 69.54,高于先转写再检索的 57.59,代码检索在 MTEB Code 上从 EmbeddingGemma 1 的 68.76 提升到 78.68。目前尚无后续进展。
匹配字段摘要
分子之心发布AI蛋白质从头设计平台MMDesign的技术报告，覆盖18个靶点、纳米抗体和大环肽两类模态共19个项目，18个获得实验确认的结合分子，项目成功率94.7%，453个受测候选中139个命中，候选命中率30.7%。六个GPCR靶点全部成功，最优亲和力均达纳摩尔级，GPR68最优KD低至12.1纳摩尔，NK3R的30个候选全部确认结合。报告还显示对6个已有结合分子的靶点再设计时5个获得提升，并给出结构预测模型MMFold在FoldBench抗体-抗原界面基准上的结果。
.4%，高于OpenDDE报告的33.0%与Protenix-v2报告的28.2%；Top-5高质量成功率进一步达45.0%，整体成功率78.8%。 △FoldBench的160个共同界面子集结构预测结果 结构预测的价值不在排名本身，而是让候选分子的评估与优选有了更扎实的计算依据。 结构看得更准，分子设计者才能更快从庞大的计算空间里锁定少数值得实验的候选。 多模态蛋白质基础大模型NewOrigin（达尔文）提供底层能力，MMDesign承担从头生成与候选优选，MMFold专注结构预测，QuantaMind进行动态模拟，AI原生研发操作系统MoleculeOS则把模型工具与研发流程串成“生成-计算-实验-迭代”的闭环。 分子之心创始人许锦波表示： 这次扩展评估的重要意义，在于将一次性的设计成功，逐步转化为可重复、可扩展的研发能力。AI生物药研发的长期价值，不只是单个模型的性能突破，更在于通过自主底层模型与生成、评估、实验验证的协同，让精准分子设计成为能够持续解决不同研发问题的技术基础设施。 从单点命中到跨靶点、跨模态的系统性验证，从底层模型突破到可复用的研发工作流，MMDesign的最新
匹配字段正文
分子之心发布AI蛋白质从头设计平台MMDesign的技术报告，覆盖18个靶点、纳米抗体和大环肽两类模态共19个设计项目，其中18个获得可结合分子，项目成功率94.7%，453个受测候选中139个确认结合，候选命中率30.7%。针对CCR7、CCR8、EP2、GPR68、NK3R、A2AR六个GPCR靶点全部获得实验确认的结合分子，各靶点命中率介于12.1%至100%，最优结合分子亲和力均达纳摩尔级。报告还显示MMFold在FoldBench抗体-抗原复合物结构预测的172个界面评测中Top-1高质量成功率为39.0%，对照AlphaFold 3为19.8%。
同界面子集上，MMFold的Top-1高质量成功率达39.4%，高于OpenDDE报告的33.0%与Protenix-v2报告的28.2%；Top-5高质量成功率进一步达45.0%，整体成功率78.8%。 结构预测的价值不在排名本身，而是让候选分子的评估与优选有了更扎实的计算依据。 结构看得更准，分子设计者才能更快从庞大的计算空间里锁定少数值得实验的候选。 多模态蛋白质基础大模型NewOrigin（达尔文）提供底层能力，MMDesign承担从头生成与候选优选，MMFold专注结构预测，QuantaMind进行动态模拟，AI原生研发操作系统MoleculeOS则把模型工具与研发流程串成“生成-计算-实验-迭代”的闭环。 分子之心创始人许锦波表示： 这次扩展评估的重要意义，在于将一次性的设计成功，逐步转化为可重复、可扩展的研发能力。AI生物药研发的长期价值，不只是单个模型的性能突破，更在于通过自主底层模型与生成、评估、实验验证的协同，让精准分子设计成为能够持续解决不同研发问题的技术基础设施。 从单点命中到跨靶点、跨模态的系统性验证，从底层模型突破到可复用的研发工作流，MMDesign的最新
匹配字段正文
Microsoft AI 发布 AI 诊断系统 MAI-DxO 和分步诊断基准 SDBench，相关成果发表在 Science。在 304 个 NEJM 复杂病例上，MAI-DxO 诊断准确率为 83%，医生在有外部参考资料时为 36%、无参考资料时为 22%；在 MIMIC-IV-ED 的急诊常见病例上，MAI-DxO 为 80%，医生为 47%。该系统以多个虚拟医生多轮辩论的方式逐步选择检查项目，在成本优化配置下仍达到 81% 准确率且费用不到对比系统的一半，并已开源 SDBench 部分 NEJM 病例的基准与评分代码。
支持这一更宏大愿景——并最终超越当今最强临床团队和卫生系统的能力——需要具备哪些条件。 顺序诊断提供了一个早期范例：AI医生协同工作、质疑假设，并随着证据的出现不断完善其临床推理。我们的目标是构建能够在整个照护旅程中连接知识、情境和决策的AI——而不仅仅是在某一项临床任务上表现出色。通过与 Mayo Clinic的合作，我们旨在将前沿AI、临床专业知识和纵向多模态数据相结合，构建能够应对真实世界照护复杂性和多样性的系统。 在真实世界中测试 基准很重要，但真正的考验是在真实临床环境中的表现。通过与波士顿的 Beth Israel Deaconess Medical Center 建立新的合作关系，我们将在不同的医院环境中评估临床推理能力。在一项前瞻性研究中，患者将直接与系统交互，并将表现与医生的独立评估进行对比。与临床团队并肩工作将揭示该技术在哪些方面取得成功、哪些方面存在不足，以及如何融入繁忙的工作流程。 微软健康 医学AI的快速进步正在为患者和临床医生开辟新的可能性。为了将这一进展转化为实际影响，我们正在将微软各处的健康团队——包括来自微软研究院的科学家，以及Dragon Copil
匹配字段正文