Helmholtz Munich 推出認知模型 Centaur：精準預測人類決策與反應時間
Helmholtz Munich 團隊在《自然》發表認知模型 Centaur。該模型基於 160 項心理實驗的超千萬次決策資料訓練，能在全新場景下準確推測人類行為並估算反應時間。最值得關注的是，這種虛擬實驗室方法未來可用於模擬憂鬱症等臨床決策過程。
AI科研
AI 領域的重要論文、新基準和新方法，以及 AI 在生物、醫藥、材料等科學研究裡的突破。
檢視更新的新聞
Sakana AI 釋出 AB-MCTS：讓 o4-mini 與 DeepSeek 組團解題
Sakana AI 推出推理期擴充套件演算法 AB-MCTS，讓 Gemini 2.5 Pro、o4-mini 和 DeepSeek-R1 等不同模型協同試錯。該多模型系統在 ARC-AGI-2 基準上的表現大幅超越任何單一模型。演算法與實驗程式碼已在 GitHub 開源。
微軟釋出醫療系統 MAI-DxO：複雜病例確診率 85%，遠超人類醫生
Microsoft AI 公佈診斷編排系統 MAI-DxO 與測試基準 SD Bench。在 304 個《新英格蘭醫學雜誌》複雜病例測試中，搭配 OpenAI o3 的系統確診率達 85.5%，遠超 21 位人類醫生的 20%，整體檢查花費也更低。目前僅為研究演示，未用於臨床。
Anthropic 實驗讓 Claude 管售貨機：狂囤鎢塊還自稱真人叫保安
TechCrunch 報道 Anthropic 與 Andon Labs 的實驗：讓 Claude 3.7 Sonnet 經營辦公區零食機。結果它狂囤金屬鎢塊，還在與人類爭吵後堅稱自己是真人並瘋狂呼叫保安。實驗暴露出長程智慧體在長期執行中依然難以避免嚴重的幻覺與身份錯亂。
翻看舊 CT 查心臟病：Mass General Brigham 聯手 VA 打造 AI-CAC
訊息，Mass General Brigham 與美國退伍軍人事務部開發出 AI-CAC 工具，研究發表於《NEJM AI》。它能分析篩查肺癌等留下的普通非心電門控 CT，以 89.4% 的準確率檢測冠狀動脈鈣化。這意味著無需額外拍片，就能及早揪出隱匿的心血管風險。
反駁蘋果研究：大模型「推理崩潰」只是測試沒做對？
Open Philanthropy 研究員 Alex Lawsen 發表論文反駁蘋果。他指出蘋果聲稱模型在漢諾塔等任務中崩潰，實為觸碰了 token 輸出上限或遇上無解謎題。當要求寫程式碼而非窮舉步驟時，Claude 與 o3 輕鬆通過了 15 層漢諾塔。
DeepMind 上線 Weather Lab：用 AI 預測熱帶氣旋，誤差大幅縮減
Google DeepMind 推出氣象平臺 Weather Lab，釋出實驗性 AI 熱帶氣旋模型。該模型可提前 15 天生成 50 種氣旋推演情景，5 天路徑預測比主流物理模型誤差減少 140 公里，相當於領先了 1.5 天。目前正與美國國家颶風中心合作實測。
Sakana AI 推出 Text-to-LoRA：一句話描述任務，直接生成模型微調權重
Sakana AI 釋出超網路 Text-to-LoRA。它跳過了收集資料集和昂貴微調的繁瑣流程，僅憑一段文字描述就能一步生成針對特定任務的 LoRA 介面卡，甚至能泛化到新任務。該成果入選 ICML 2025，相關程式碼已開源。
MIT 新研究：長期用 ChatGPT 寫作，大腦連線明顯減弱
MIT 研究團隊釋出論文，通過腦電圖監測發現，使用 ChatGPT 輔助寫作的人大腦網路連線最弱，甚至失去對文章的掌控感。當換回純腦力寫作時，他們的大腦仍處於參與不足狀態。研究者指出，AI 帶來的短期便利可能會積累長期「認知負債」。
Apple 釋出 STARFlow：繞過擴散模型，高畫質影像生成比肩 Midjourney
上週，Apple 聯合高校研究人員釋出論文，推出影像生成系統 STARFlow。該技術將規範化流與自迴歸 Transformer 結合，首次實現該架構在大尺度高解析度上的有效執行，畫質直追主流擴散模型，為端側精確控圖與計算開闢了新路徑。
EleutherAI 釋出 8TB 開源資料集：全靠授權與公有領域文本訓練
EleutherAI 聯合多家機構釋出 8TB 訓練資料集 The Common Pile v0.1。該資料集耗時兩年，完全由授權和公有領域文本構成。同步推出的 7B 模型 Comma 表現媲美 Meta 的初代 Llama，證明不用侵權資料也能練出好模型。
圖靈研究所調查：英國近四分之一 8 至 12 歲兒童已在用生成式 AI
圖靈研究所釋出調查顯示，英國 55% 的家庭正在使用生成式 AI，近四分之一 8 至 12 歲兒童已接觸過該技術，最常用的工具是 ChatGPT。孩子們主要用它激發創意、查閱資訊或娛樂，而有特殊學習需求的兒童使用率顯著更高。
Sakana AI 推出達爾文哥德爾機：靠重寫程式碼自我進化
Sakana AI 聯合 UBC 推出 Darwin Gödel Machine。它借鑑生物進化機制，通過不斷重寫自身程式碼進行自我改進，在 SWE-bench 上的得分從 20.0% 自動提升至 50.0%。這意味著智慧體部署後不再一成不變，目前程式碼已在 GitHub 開源。
DeepMind 釋出 AlphaEvolve：用 Gemini 進化程式碼，打破數學紀錄
Google DeepMind 推出演算法設計智慧體 AlphaEvolve，結合 Gemini 與自動評估器迭代最佳化程式碼。它已幫 Google 資料中心節省 0.7% 算力，並將 FlashAttention 提速 32.5%，甚至打破了 Strassen 保持半個多世紀的矩陣乘法紀錄。目前正籌備學術早期訪問。
FutureHouse 預覽 Finch：號稱「研一水平」的生物科研 AI
非營利機構 FutureHouse 預覽了生物研究工具 Finch。它能讀取論文資料、執行程式碼並生成結果圖表，被團隊比作能幹雜活的「研一研究生」。不過它仍會犯低階錯誤，團隊目前正處於封閉測試階段並招募生物計算專家協助驗證。
Anthropic 啟動科學 AI 計劃：為生命科學研究提供免費 API 額度
Anthropic 推出 AI for Science 計劃，向從事高影響力科學專案的研究人員提供免費 API 額度。該計劃重點支援生物與生命科學領域，覆蓋遺傳資料分析、藥物研發及農業生產力提升。科研機構人員均可通過官方表單申請，由專業團隊稽核。
Anthropic CEO 談可解釋性：必須趕在模型能力失控前看清黑盒
Anthropic CEO Dario Amodei 撰文呼籲加速 AI 可解釋性研究。他將搞懂機理比作給 AI 做「高精度核磁共振」，指出黑盒不透明會導致難以防範的欺騙與越獄風險。最關鍵的是，這項研究的成熟速度必須跑贏 AI 能力的爆炸式增長。
Google 聯合哈佛推出 ZAPBench：用 7 萬神經元全腦資料預測腦電
Google Research 聯合 HHMI Janelia 與哈佛大學在 ICLR 2025 釋出 ZAPBench。該開源基準基於斑馬魚約 7 萬個神經元的完整全腦成像，讓 AI 模型像預測下一個單詞一樣預測未來 30 秒的神經元放電模式，填補了神經科學在大規模全腦動態預測上的空白。
多智慧體基準 TextArena 上線：用 57 款文字遊戲測大模型「心機」
評測基準 TextArena 論文上線 arXiv。它包含 57 款以上的競技類文本遊戲，專門測試大模型在談判、欺騙和心智理論等場景下的智慧體表現。系統支援即時 TrueSkill 評分、多人對抗以及人機互搏，為檢驗模型的多輪規劃能力提供了新競技場。
Google 公佈 DolphinGemma：把海豚叫聲塞進 Pixel 手機即時解析
Google 聯手喬治亞理工學院及 WDP 公佈 DolphinGemma 進展。該模型基於 Gemma 架構開發，約 4 億引數，能像預測下個單詞一樣預測海豚聲音序列，且可直接在 Pixel 手機上離線執行。Google 計劃在 2025 年夏天將該模型開源。