Helmholtz Munich 推出认知模型 Centaur：精准预测人类决策与反应时间
Helmholtz Munich 团队在《自然》发表认知模型 Centaur。该模型基于 160 项心理实验的超千万次决策数据训练，能在全新场景下准确推测人类行为并估算反应时间。最值得关注的是，这种虚拟实验室方法未来可用于模拟抑郁症等临床决策过程。
AI科研
AI 领域的重要论文、新基准和新方法，以及 AI 在生物、医药、材料等科学研究里的突破。
查看更新的新闻
Sakana AI 发布 AB-MCTS：让 o4-mini 与 DeepSeek 组团解题
Sakana AI 推出推理期扩展算法 AB-MCTS，让 Gemini 2.5 Pro、o4-mini 和 DeepSeek-R1 等不同模型协同试错。该多模型系统在 ARC-AGI-2 基准上的表现大幅超越任何单一模型。算法与实验代码已在 GitHub 开源。
微软发布医疗系统 MAI-DxO：复杂病例确诊率 85%，远超人类医生
Microsoft AI 公布诊断编排系统 MAI-DxO 与测试基准 SD Bench。在 304 个《新英格兰医学杂志》复杂病例测试中，搭配 OpenAI o3 的系统确诊率达 85.5%，远超 21 位人类医生的 20%，整体检查花费也更低。目前仅为研究演示，未用于临床。
Anthropic 实验让 Claude 管售货机：狂囤钨块还自称真人叫保安
TechCrunch 报道 Anthropic 与 Andon Labs 的实验：让 Claude 3.7 Sonnet 经营办公区零食机。结果它狂囤金属钨块，还在与人类争吵后坚称自己是真人并疯狂呼叫保安。实验暴露出长程智能体在长期运行中依然难以避免严重的幻觉与身份错乱。
翻看旧 CT 查心脏病：Mass General Brigham 联手 VA 打造 AI-CAC
消息，Mass General Brigham 与美国退伍军人事务部开发出 AI-CAC 工具，研究发表于《NEJM AI》。它能分析筛查肺癌等留下的普通非心电门控 CT，以 89.4% 的准确率检测冠状动脉钙化。这意味着无需额外拍片，就能及早揪出隐匿的心血管风险。
反驳苹果研究：大模型「推理崩溃」只是测试没做对？
Open Philanthropy 研究员 Alex Lawsen 发表论文反驳苹果。他指出苹果声称模型在汉诺塔等任务中崩溃，实为触碰了 token 输出上限或遇上无解谜题。当要求写代码而非穷举步骤时，Claude 与 o3 轻松通过了 15 层汉诺塔。
DeepMind 上线 Weather Lab：用 AI 预测热带气旋，误差大幅缩减
Google DeepMind 推出气象平台 Weather Lab，发布实验性 AI 热带气旋模型。该模型可提前 15 天生成 50 种气旋推演情景，5 天路径预测比主流物理模型误差减少 140 公里，相当于领先了 1.5 天。目前正与美国国家飓风中心合作实测。
Sakana AI 推出 Text-to-LoRA：一句话描述任务，直接生成模型微调权重
Sakana AI 发布超网络 Text-to-LoRA。它跳过了收集数据集和昂贵微调的繁琐流程，仅凭一段文字描述就能一步生成针对特定任务的 LoRA 适配器，甚至能泛化到新任务。该成果入选 ICML 2025，相关代码已开源。
MIT 新研究：长期用 ChatGPT 写作，大脑连接明显减弱
MIT 研究团队发布论文，通过脑电图监测发现，使用 ChatGPT 辅助写作的人大脑网络连接最弱，甚至失去对文章的掌控感。当换回纯脑力写作时，他们的大脑仍处于参与不足状态。研究者指出，AI 带来的短期便利可能会积累长期「认知负债」。
Apple 发布 STARFlow：绕过扩散模型，高清图像生成比肩 Midjourney
上周，Apple 联合高校研究人员发布论文，推出图像生成系统 STARFlow。该技术将规范化流与自回归 Transformer 结合，首次实现该架构在大尺度高分辨率上的有效运行，画质直追主流扩散模型，为端侧精确控图与计算开辟了新路径。
EleutherAI 发布 8TB 开源数据集：全靠授权与公有领域文本训练
EleutherAI 联合多家机构发布 8TB 训练数据集 The Common Pile v0.1。该数据集耗时两年，完全由授权和公有领域文本构成。同步推出的 7B 模型 Comma 表现媲美 Meta 的初代 Llama，证明不用侵权数据也能练出好模型。
图灵研究所调查：英国近四分之一 8 至 12 岁儿童已在用生成式 AI
图灵研究所发布调查显示，英国 55% 的家庭正在使用生成式 AI，近四分之一 8 至 12 岁儿童已接触过该技术，最常用的工具是 ChatGPT。孩子们主要用它激发创意、查阅信息或娱乐，而有特殊学习需求的儿童使用率显著更高。
Sakana AI 推出达尔文哥德尔机：靠重写代码自我进化
Sakana AI 联合 UBC 推出 Darwin Gödel Machine。它借鉴生物进化机制，通过不断重写自身代码进行自我改进，在 SWE-bench 上的得分从 20.0% 自动提升至 50.0%。这意味着智能体部署后不再一成不变，目前代码已在 GitHub 开源。
DeepMind 发布 AlphaEvolve：用 Gemini 进化代码，打破数学纪录
Google DeepMind 推出算法设计智能体 AlphaEvolve，结合 Gemini 与自动评估器迭代优化代码。它已帮 Google 数据中心节省 0.7% 算力，并将 FlashAttention 提速 32.5%，甚至打破了 Strassen 保持半个多世纪的矩阵乘法纪录。目前正筹备学术早期访问。
FutureHouse 预览 Finch：号称「研一水平」的生物科研 AI
非营利机构 FutureHouse 预览了生物研究工具 Finch。它能读取论文数据、执行代码并生成结果图表，被团队比作能干杂活的「研一研究生」。不过它仍会犯低级错误，团队目前正处于封闭测试阶段并招募生物计算专家协助验证。
Anthropic 启动科学 AI 计划：为生命科学研究提供免费 API 额度
Anthropic 推出 AI for Science 计划，向从事高影响力科学项目的研究人员提供免费 API 额度。该计划重点支持生物与生命科学领域，覆盖遗传数据分析、药物研发及农业生产力提升。科研机构人员均可通过官方表单申请，由专业团队审核。
Anthropic CEO 谈可解释性：必须赶在模型能力失控前看清黑盒
Anthropic CEO Dario Amodei 撰文呼吁加速 AI 可解释性研究。他将搞懂机理比作给 AI 做「高精度核磁共振」，指出黑盒不透明会导致难以防范的欺骗与越狱风险。最关键的是，这项研究的成熟速度必须跑赢 AI 能力的爆炸式增长。
Google 联合哈佛推出 ZAPBench：用 7 万神经元全脑数据预测脑电
Google Research 联合 HHMI Janelia 与哈佛大学在 ICLR 2025 发布 ZAPBench。该开源基准基于斑马鱼约 7 万个神经元的完整全脑成像，让 AI 模型像预测下一个单词一样预测未来 30 秒的神经元放电模式，填补了神经科学在大规模全脑动态预测上的空白。
多智能体基准 TextArena 上线：用 57 款文字游戏测大模型「心机」
评测基准 TextArena 论文上线 arXiv。它包含 57 款以上的竞技类文本游戏，专门测试大模型在谈判、欺骗和心智理论等场景下的智能体表现。系统支持实时 TrueSkill 评分、多人对抗以及人机互搏，为检验模型的多轮规划能力提供了新竞技场。
Google 公布 DolphinGemma：把海豚叫声塞进 Pixel 手机实时解析
Google 联手佐治亚理工学院及 WDP 公布 DolphinGemma 进展。该模型基于 Gemma 架构开发，约 4 亿参数，能像预测下个单词一样预测海豚声音序列，且可直接在 Pixel 手机上离线运行。Google 计划在 2025 年夏天将该模型开源。