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。
匹配字段标题
MIT、斯坦福、Google、Microsoft 等机构联合发布关于物理递归自我改进的综述论文，提出从 L0 无自主改进到 L5 独立验证递归增益的 6 个等级，中间等级区分技能更新与改进方法更新、单任务与跨任务。作者指出，机器人仍依赖人工采集数据、诊断失败并决定保留哪些更新，检查的 7 个机器人评测协议中有 5 个未显示跨任务改进，2022 至 2026 年的系统图谱中也没有确认的 L5 案例。
匹配字段标题
卡内基梅隆大学与 Microsoft 的新论文提出 CRBugBench，包含 1800 个代码审查任务，每个 pull request 都引入了一个经人工确认并修复的 bug，智能体在沙箱中审查原始改动，由 AI 评审判断其 top 5 评论是否指出该 bug。表现最好的 claude-opus-5 在 top 5 评论中命中 71.9% 的 bug，5 个月前的 opus-4.6 为 47.7%；在某公司私有仓库上性能最多下降 25.5%，这类 bug 更依赖项目上下文。作者建议将审查智能体与人工审查配合使用，并向其提供仓库自身知识，尤其是在大型或上下文密集的改动上。
匹配字段标题
微软研究院研究员Xinzhi Zhang与合著者证明了1995年提出的KLS猜想,给出与维度无关的固定界;此前最好的结果只允许该界随维度缓慢增长。据微软研究院介绍,这一证明来自人类引导的智能体搜索过程,团队探索了100多条候选路径,由研究者评估、剪枝并重新定向。同期另有独立团队给出完整证明,随后出现Lean 4形式化验证。作者称,此前用多个前沿模型做无引导的端到端尝试未能达成目标。另一篇报道称,AI智能体探索了约100条研究路径,成稿约140页,AI负责探索候选方法、执行推导、协助撰写手稿并做内部证明检查,而完成证明的递归方法和误差界归功于两位研究者。
匹配字段标题
微软研究院研究员Xinzhi Zhang与合著者证明了1995年提出的KLS猜想,给出与维度无关的固定界;此前最好的结果只允许该界随维度缓慢增长。据微软研究院介绍,这一证明来自人类引导的智能体搜索过程,团队探索了100多条候选路径,由研究者评估、剪枝并重新定向。同期另有独立团队给出完整证明,随后出现Lean 4形式化验证。作者称,此前用多个前沿模型做无引导的端到端尝试未能达成目标。另一篇报道称,AI智能体探索了约100条研究路径,成稿约140页,AI负责探索候选方法、执行推导、协助撰写手稿并做内部证明检查,而完成证明的递归方法和误差界归功于两位研究者。
匹配字段标题