Import AI 476：创造力与递归自我改进；不如中国的开源权重模型；AI 走向太空
Elorian 与 Scale AI 发布 Humanity's Sixth Sense（HSS）基准，用 522 道题、288 张图和 234 段短视频（共 17.6 小时）测试多模态模型的直觉视觉推理，人类 pass@1 为 93.1，最佳模型 GPT 6 Astra 仅 53.6，GLM-5.3-flash 为 26.8、Kimi K3 为 25.5。
#多模态
#多模态
今日 0 条Import AIAI 评分2222
The DecoderAI 评分5252 LEGO-Anything 用编码智能体从单张照片生成 Blender 3D 场景，并发布 LEGO-Bench 基准
研究团队提出 Image-to-Code 方法，让编码智能体从单张照片迭代编写可执行的 Blender 程序，输出可运行、可编辑、可查询的 3D 场景。为评测效果，团队构建 LEGO-Bench，包含来自 104 个室内外场景的 208 张图像和 443 个注册资产，从有效性、几何精度和外观相似度三个维度打分。
Google Research精选AI 评分6666 Google Research 发布 AI 视频联合导演框架，实现连贯长视频生成
Google Research 发布 AI video co-director 多智能体框架，作为 Gemini 和 Veo 之上的编排层，把长视频生成建模为全局优化与世界状态跟踪问题，以缓解语义漂移和级联失败。
推荐理由：Google 把长视频生成拆成四个可复用框架，并给出多镜头一致性与角色保持的量化结果，适合关注视频生成工程化路径的读者。
Google ResearchAI 评分4949 Google Research 用生成式 UI 让教师创建互动学习模拟
Google Research 公布新研究实验，让教师借助生成式 UI（GenUI）动态生成贴合课程目标的互动学习模拟，并已开放 30 多个面向初高中物理、化学、生物和数学的英文示例库，全部由 AI 生成、教师审核。
Google ResearchAI 评分3030 Google 推出 AgentHands：为 XR 智能体对话生成空间化手势
Google 在 CHI 2026 发布研究原型 AgentHands，可将 LLM 的推理输出映射为 XR 中与语音同步的手势，让智能体在 3D 空间里边说边演示。
Google ResearchAI 评分5858 Google Research 发布 PhotoScan：用手机照片估算体成分并预测胰岛素抵抗
Google Research 提出 PhotoScan，一个可从普通 2D 手机照片估算体脂率、Android-to-Gynoid 脂肪比（A/G）和 Visceral-to-Subcutaneous 脂肪面积比（V/S）的深度学习框架。
Microsoft ResearchAI 评分4141 MindTopo 基准揭示多模态大模型的空间推理短板
Microsoft Research 推出 MindTopo 基准，用于评测多模态大模型在连通性、封闭、顺序、分离和打结五类拓扑关系上的推理与规划能力。测试显示，模型在静态图像识别上表现明显好于交互式规划任务，且两者均远低于人类水平；失败多出现在规划阶段而非感知阶段，模型在场景变化中会丢失结构关系或提出违反物理约束的动作。图像与视频生成仅在单帧内保留关系时偶有帮助，跨多步操作仍不可靠。
Google Research精选AI 评分7171 Google 将 AMIE 推进到专家级音视频临床问诊
Google Research 发布 AMIE (Video)，基于 Gemini 和 Project Astra 实现实时视频临床问诊，可感知非语言线索、引导虚拟体格检查并实时推理诊断。
推荐理由：Google 用 300 场随机对照视频问诊给出 AMIE 多智能体架构的评测细节，可了解实时音视频临床推理的当前边界。
Microsoft ResearchAI 评分3838 微软研究院推出 CARE-X：面向临床可用的放射学 VLM，融合辅助监督、奖励对齐学习与工具增强测量
微软研究院发布研究模型 CARE-X，一个统一胸部 X 光 VLM，结合生成与结构化预测，覆盖报告生成、疾病分类、定位与器械置管评估等任务。它采用强化学习 DAPO 在多任务设置下奖励临床正确性，并在另一项实验中把 Qwen3-VL-4B-Instruct 与确定性测量工具配对，评估直接计算能否改善测量依赖型病症的表现。
Google Research精选AI 评分6262 Google 发布 SymptomAI：面向日常症状评估的对话式 AI 智能体
Google Research 发布论文 SymptomAI，用五个基于 Gemini Flash 2.0 的实验性对话智能体开展症状问诊与鉴别诊断（DDx），共 13917 名受试者参与随机分组研究。
推荐理由：Google 用 13917 人随机对照研究比较五种 Gemini Flash 2.0 症状问诊智能体，并给出临床专家盲评与可穿戴设备数据交叉验证。
Google ResearchAI 评分3434 Google Earth AI 发布英国高分辨率矢量数据集，用于自然恢复规划
Google Research 基于 Earth AI 的 RSF Vision-Transformer 骨干模型，发布英国高分辨率矢量数据集，将树篱、石墙、小树林等精细生态特征转为可操作清单。
Google ResearchAI 评分3434 Google Research 研究 AI 如何帮助用户理解皮肤问题
Google Research 分享其在皮肤科 AI 工具上的消费者理解研究，发现使用 AI 辅助工具时，参与者尝试命名皮肤状况的比例超过 62%，准确率 23%，接近无辅助对照组 8% 的三倍。但确定下一步医疗措施仍是难点，标准 AI 组未显示出统计学显著改善。
Google Research精选AI 评分6464 Google 研究用手机摄像头实现被动心脏健康监测
Google Research 在 Nature 发表研究，提出 PHRM 系统，利用手机前置摄像头在面部解锁后的数秒内拍摄视频，通过深度学习在后台估算心率与静息心率。
推荐理由：Google 用手机前摄在解锁后被动测心率，并公开迄今最大规模手机视频数据集与预训练模型。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AI co-clinician 医疗研究计划
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下协助患者诊疗的“三方照护”模式。在 98 个真实初级保健查询的盲评中，该系统 97 例无关键错误，优于医生常用的两款 AI 系统；在 140 项问诊技能评估中，AI 有 68 项达到或超过初级保健医生水平，但专家医生在识别危险信号和指导关键体格检查上整体仍更优。
推荐理由：DeepMind 公开 AI co-clinician 研究计划，给出医生端证据综合与患者端实时多模态问诊的对照评测结果。
Google ResearchAI 评分4242 Google 推出 PaperVizAgent 与 ScholarPeer 两个学术 AI 智能体
Google 发布两个面向学术工作流的 AI 智能体：PaperVizAgent 负责生成论文配图，ScholarPeer 负责自动同行评审。
Google Research精选AI 评分7171 Google 与 NHS 合作研究：AI 用于乳腺癌筛查双读流程
Google Research 与多家 NHS 机构合作的 AIMS 研究在 Nature Cancer 发表两项姊妹研究，评估 AI 乳腺癌检测系统。
推荐理由：两项 Nature Cancer 研究给出 AI 在 NHS 乳腺筛查双读流程中的前瞻部署数据与人力节省估算。
Google Research精选AI 评分7171 Google 与 BIDMC 开展 AMIE 对话式诊断 AI 真实临床可行性研究
Google Research 与 Beth Israel Deaconess Medical Center 合作开展了一项前瞻性单中心可行性研究，让 AMIE 在门诊初诊前与患者进行文本问诊，由医生通过视频实时监督。
推荐理由：Google 与 BIDMC 公布 AMIE 在真实门诊的前瞻性可行性研究，给出安全停用次数与诊断一致性等关键数据。
Google ResearchAI 评分4141 Google 用 MapTrace 合成数据教多模态大模型在地图上寻路
Google Research 提出 MapTrace，一套用 Gemini 2.5 Pro 与 Imagen-4 自动生成地图寻路数据的合成流水线，并开源 200 万条问答对。
Google ResearchAI 评分3636 Google Research 推出 DialogLab：开源多智能体群聊对话创作与测试框架
Google Research 发布开源原型框架 DialogLab，用于创作、模拟和测试动态的人机多方群聊对话，相关论文在 ACM UIST 2025 展示。该框架将对话的社交设定与时间流程解耦，支持拖拽式编排、human control 实时干预和验证仪表盘分析，14 名用户评测显示 human control 模式在参与感、有效性和真实感上评分最高。
Google ResearchAI 评分3434 Google 用鸟类数据训练的 Perch 2.0 如何揭示水下鲸类之谜
Google DeepMind 于 2025 年 8 月发布的 Perch 2.0 生物声学基础模型，虽仅用鸟类等陆生动物音频训练，却在鲸类发声分类等海洋任务中表现优异，多数数据集和样本量下位列第一或第二。
Google ResearchAI 评分3434 Google 小模型分解法实现端侧用户意图提取，效果媲美 Gemini 1.5 Pro
Google Research 在 EMNLP 2025 发表的论文提出一种分解式工作流，先由小多模态 LLM 逐屏总结用户交互，再从摘要序列中提取意图，在移动端和网页轨迹上均优于 CoT 提示和端到端微调。该方法用 Gemini 1.5 Flash 8B 即达到 Gemini 1.5 Pro 的相当效果，成本与速度仅为后者一小部分，适用于端侧部署。
Google DeepMindAI 评分4040 Google DeepMind 与 Kaggle 推出 FACTS Benchmark Suite，系统评估大语言模型事实准确性
Google DeepMind 联合 Kaggle 发布 FACTS Benchmark Suite，在原有 FACTS Grounding 基础上新增 Parametric、Search、Multimodal 三项基准，并将 Grounding 升级至 v2，共含 3,513 个公开样例。
Google ResearchAI 评分3636 Google 发布 MSEB：面向听觉智能的大规模声音嵌入基准
Google Research 在 NeurIPS 2025 发布 Massive Sound Embedding Benchmark（MSEB），用于标准化评测声音嵌入模型的八项听觉能力，涵盖检索、推理、分类、转录、分割、聚类、重排与重建。
Google DeepMind精选AI 评分6262 AlphaFold 助力解析心血管疾病关键蛋白 apoB100 结构
密苏里大学的研究者借助 AlphaFold 与冷冻电镜，解析了“坏胆固醇”关键蛋白 apoB100 的结构，该蛋白此前 50 年未能被成功建模。研究先用冷冻电镜拍摄 LDL 颗粒图像，再由物理学家 Cassidy 用 AlphaFold 生成原子级结构预测，并与实验图像比对修正。
推荐理由：AlphaFold 与冷冻电镜结合解析 apoB100 结构，读者可了解 AI 在结构生物学中的具体协作方式。
Google ResearchAI 评分4646 Google DeepMind 发布 Natural Forests of the World 2020：首张全球一致 10 米分辨率天然林地图
Google DeepMind 联合 Google Research 发布 Natural Forests of the World 2020，这是首张全球一致、10 米分辨率、可区分天然林与其他树木覆盖的地图，独立数据集验证准确率达 92.2%。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 SIMA 2：可推理、对话并在 3D 虚拟世界中自我改进的智能体
Google DeepMind 发布 SIMA 2，将 Gemini 模型嵌入智能体核心，使其从指令跟随者升级为能推理目标、与用户对话并自我改进的交互式游戏伙伴。
推荐理由：SIMA 2 把 Gemini 的推理能力接入 3D 游戏智能体，读者可了解从指令跟随到自主推理与自我改进的路径。
Google DeepMindAI 评分4242 Google DeepMind 研究：让 AI 视觉模型更像人类一样看世界
Google DeepMind 在 Nature 发表新论文，提出三步对齐方法，用 THINGS 数据集训练适配器生成百万张图像的 AligNet 数据集，再微调其他视觉模型，使其内部表征从杂乱无章变为按动物、食物等类别清晰组织。该方法改善了模型在"odd-one-out"任务上与人类判断的一致性，并提升了鲁棒性与泛化能力。
Google DeepMindAI 评分3434 Google 用 AI 预测森林砍伐风险、绘制物种分布并发布 Perch 2.0 生物声学模型
Google 发布可预测森林砍伐风险的基准数据集，基于纯卫星输入和 vision transformer 架构，分辨率达 30 米，覆盖 2000-2024 年。
OpenAI NewsAI 评分2727 OpenAI 推出 IndQA：面向印度语言的 AI 评测基准
OpenAI 发布 IndQA，一个用于评估 AI 系统印度语言能力的新基准，覆盖 12 种语言和 10 个知识领域，由领域专家参与构建，重点考察文化理解与推理能力。
Google ResearchAI 评分3636 Google Research 推出 StreetReaderAI：用上下文感知多模态 AI 让街景可访问
Google Research 发布 StreetReaderAI，一个基于 Gemini 的街景无障碍原型，为盲人和低视力用户提供实时 AI 场景描述、多模态 AI 对话以及语音或键盘导航。
Hugging Face BlogAI 评分2222 FilBench：LLM 能否理解并生成菲律宾语？
Hugging Face 发布 FilBench 评测套件，覆盖 Tagalog、Filipino 和 Cebuano 三种菲律宾语言，包含文化知识、经典 NLP、阅读理解、生成四大类共 12 项任务，并已评测 20+ 个 SOTA LLM。
Hugging Face BlogAI 评分4545 TimeScope：你的视频大模型能看多长的视频？
Hugging Face 开源长视频理解基准 TimeScope，通过在 1 分钟至 8 小时的视频中插入 5-10 秒的"针"片段，评测模型的局部检索、信息综合与细粒度时序感知三项能力。测试显示，包括 Gemini 2.5-Pro 在内的领先视觉语言模型在真正的长视频任务上仍表现吃力，性能随视频变长明显下滑。
Hugging Face Blog精选AI 评分6060 Hugging Face 发布 ScreenSuite，面向 GUI Agent 的综合评测套件
Hugging Face 发布 ScreenSuite，一个面向 GUI Agent 的综合评测套件，统一整合了 13 个基准，覆盖感知、定位、单步动作和多步智能体四类能力。
推荐理由：Hugging Face 开源 GUI Agent 评测套件，统一 13 个基准并支持 Docker 本地部署，可据此判断视觉语言模型的智能体能力。
Hugging Face BlogAI 评分4040 BAAI 推出 FlagEval Debate：首个多语言 LLM 辩论竞赛平台
BAAI 推出 FlagEval Debate 平台，让大模型以辩论方式互相对抗，目前支持英语、中文、阿拉伯语和韩语四种语言的辩论竞赛。该平台采用专家评审与用户投票的双重评估机制，并允许开发者自定义模型参数与对话风格，以解决静态评测和 Chatbot Arena 等平台缺乏区分度、模型孤立生成及投票偏差等问题。2024 年 Q3 的实验显示，当前大多数模型都能参与辩论。
Hugging Face BlogAI 评分2222 CinePile 2.0：用对抗式数据集精炼打造更强的长视频问答数据集
Hugging Face 发布 CinePile 2.0 长视频问答数据集，采用其提出的对抗式数据集精炼（adversarial dataset refinement）方法改进数据质量。
Hugging Face Blog精选AI 评分6060 Hugging Face 发布 FineVideo：43k 条视频、3.4k 小时的开源视频数据集
Hugging Face 发布 FineVideo，一个包含 43k 条视频、3.4k 小时的开源视频数据集，标注了丰富描述、叙事细节、场景切分和 QA 对。
推荐理由：原文完整披露了从 1.9M 视频筛选到 43k 条标注数据的过滤、分类与标注流程，可迁移到自建视频数据集。
Hugging Face BlogAI 评分2222 LAVE：用 LLM 在 Docmatix 上做零样本 VQA 评测，我们还需要微调吗？
Hugging Face 提出 LAVE（LLM-Assisted VQA Evaluation）指标，用 Llama-2-Chat-7b 以 1-3 分制对候选答案打分，在 Docmatix 的 200 张图像子集上评测 MPLUGDocOwl1.5，LAVE 得分为 0.58，而 CIDER、BLEU、ANLS 分别仅为 0.1411、0.0032 和 0.002。
Hugging Face BlogAI 评分3838 Hugging Face 发布 Docmatix：超大规模文档视觉问答数据集
Hugging Face 发布 Docmatix，一个包含 240 万张图像、950 万问答对（源自 130 万份 PDF）的 DocVQA 数据集，规模是此前数据集的 240 倍。
Hugging Face BlogAI 评分3838 Hugging Face 开源通用智能体 JAT：一个 Transformer 玩转 Atari、机器人控制与导航
Hugging Face 发布通用智能体项目 Jack of All Trades（JAT），基于 GPT-Neo 的 Transformer 架构，用单一网络在 Atari 57。
Hugging Face BlogAI 评分4242 Hugging Face 发布 WebSight 数据集，用截图生成 HTML 代码
Hugging Face 推出 WebSight 数据集，用于训练 AI 将网页截图转换为 HTML 代码。该数据集从 v0.1 的 823,000 对合成数据扩展至 v0.2 的 200 万对，改用真实截图和 Tailwind CSS。基于此微调的视觉语言模型 Sightseer 可将截图转为可用 HTML，并还原其中的图像。