微软研究院发布 CARE-X：面向临床可用的放射学 VLM，结合辅助监督、奖励对齐学习与工具增强测量
微软研究院推出研究模型 CARE-X，一个统一胸片视觉语言模型，可同时输出自由文本推理与结构化预测，覆盖报告生成、病变定位、多标签分类及导管位置检测等任务。该模型采用强化学习（DAPO）在多任务设置下奖励临床正确性，并在 Narayana Health 的真实印度临床数据上验证，涵盖罕见 ICU 病理与 CT 确认的增大类病变。CARE-X 为研究模型，未经监管批准，不用于临床诊断。
#数据/训练
#数据/训练
今日 16 条Microsoft ResearchAI 评分3434
Import AIAI 评分4848 Import AI 468：23 条 RSI 政策建议、PostTrainBench+，以及信任与透明度如何影响 AI 竞赛
Import AI 第 468 期收录了智库 IFP 提出的 23 条应对递归自我改进（RSI）的政策建议，分属 7 个类别，涵盖自动化 AI 研发的透明度、风险管理与验证技术。
Hugging Face BlogAI 评分4141 Hugging Face 提出离线 Top-K Logits 与融合分块 KL 损失，让知识蒸馏成本降到单卡可跑
Hugging Face 新论文提出两项系统改动降低 LLM 知识蒸馏成本：先缓存教师模型的 top-100 logits 供学生模型离线训练，再用融合分块 KL 损失避免生成完整的词表×序列长度矩阵。
Microsoft Research精选AI 评分7171 微软研究院开源 Orchard：可扩展智能体 AI 框架
微软研究院发布开源框架 Orchard，核心是 Kubernetes 环境服务 Orchard Env，可跨软件工程、网页导航和个人助理任务复用环境、数据管线与评测流程。
推荐理由：微软研究院开源 Orchard 框架，给出环境服务、训练配方与数据，读者可了解小模型在真实任务上的训练路径。
Import AIAI 评分6262 Import AI 467：自维持AI病毒、AI进展节奏与创造力争议
多伦多大学、Vector Institute、剑桥大学与ServiceNow的研究者构建了一个原型AI蠕虫，利用被攻陷机器的GPU运行开源大模型进行推理，漏洞检测成功率约80%、利用成功率约53%、自复制成功率88%，完整攻击成功率约37%。
Google Research精选AI 评分6060 Google Research 提出 Science One Framework 与 Chain-of-Evidence 可验证研究框架
Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并落地为自主研究原型 Science One Framework 与自动化评估指标 CoE Audit。
推荐理由：原文给出可验证性框架与审计指标，并对比基线系统的引用幻觉与代码文本错位问题。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以替代完整交互历史作为智能体工作上下文。在协作编程基准 CollabBench 上，采用重建式信念评分的 ABBEL-rec-BG 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值 token 长度也低于全上下文设置。
Google ResearchAI 评分5858 Google 发布 SymptomAI：面向日常症状评估的对话式 AI 智能体研究
Google Research 发布 SymptomAI 研究，让 13917 名参与者与五个基于 Gemini Flash 2.0 的对话式智能体进行症状问诊，并生成鉴别诊断（DDx）。
Google DeepMindAI 评分4242 Google 承诺 4000 万美元 AI tokens 与云额度支持美国 Genesis Mission
Google 在 DOE Genesis Mission Summit 2026 上宣布投入 4000 万美元 AI tokens 和云额度，支持 Genesis Mission 的研究人员。
Hugging Face BlogAI 评分2222 新模型更强，优势依旧：DharmaOCR 在巴西葡萄牙语 OCR 上仍领先 Mistral OCR4 与 Unlimited-OCR
DharmaOCR 在葡萄牙语 OCR 基准上以 0.925 分领先 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587，后两者分别低约 13 分和 16 分。该模型经葡萄牙语监督微调与 DPO 两阶段训练，将全部参数集中于巴西葡萄牙语，以换取领域内更高的提取质量与更低的退化率。
Google DeepMindAI 评分3636 Google DeepMind 与 Isomorphic Labs 公布生物韧性联合方案
Google DeepMind 与 Isomorphic Labs 公布生物韧性联合方案，一方面防止威胁行为者滥用其模型，另一方面让政府、科学家和生物安全专家用 AI 应对疫情。
Hugging Face Blog精选AI 评分8888 Hugging Face 披露 7 月安全事件：自主 AI 智能体驱动入侵
Hugging Face 披露本周检测到一起针对其生产基础设施的入侵，攻击由自主 AI 智能体系统端到端驱动，通过数据集处理中的远程代码加载器和模板注入两条代码执行路径进入处理节点，随后横向移动至多个内部集群。
推荐理由：Hugging Face 首次披露由自主 AI 智能体全程驱动的入侵事件，并复盘用开源模型做取证时遭遇的护栏限制。
Google ResearchAI 评分3131 Google Research 揭示扩散模型创造力来源：分数平滑如何促成插值生成
Google Research 在 ICLR 2026 论文《On the Interpolation Effect of Score Smoothing in Diffusion Models》中证明，扩散模型的创造力并非随机偶然，而是神经网络训练中权重衰减等正则化带来的"分数平滑"所致。
Hugging Face BlogAI 评分5858 Hume 发布 Real World VoiceEQ 语音 AI 人类质量评测基准
Hume 发布 Real World VoiceEQ 基准，用于评估语音 AI 的人类交互质量，覆盖 40 多个专有与开源语音模型、15 个以上评估维度和 60 多项指标。该基准基于超 100 万条人类评分构建，包含 785,000 条 TTS 评分和 48,000 条 STS 评分。评测发现语音模型在说话上优于倾听，部分系统仍以文本转录为主，忽略语调、停顿和情感等副语言线索。
Hugging Face BlogAI 评分2222 PyTorch 性能分析（第三部分）：注意力机制全解析
Hugging Face 博客发布 "Profiling in PyTorch" 系列第三部分，用 NVIDIA A100-SXM4-80GB 剖析注意力机制的 profiler 轨迹。文章对比朴素注意力、原地操作（masked_fill_）和 SDPA 等实现，发现将 masked_fill 改为原地操作可消除一次 Memcpy kernel，在多层 Transformer 中逐层累积节省。
Google Research精选AI 评分6060 Google 发布 SensorFM：面向可穿戴健康数据的通用基础模型
Google Research 发布 SensorFM，一个从可穿戴数据直接学习的大规模传感器基础模型，预训练语料超过一万亿分钟多模态信号，来自五百万名同意参与者、覆盖 100 多个国家和 20 多款 Fitbit 与 Pixel Watch 设备。
推荐理由：Google 用五百万人的可穿戴数据预训练通用生理表征，读者可了解其自监督缺失感知设计与跨任务泛化表现。
Google Research精选AI 评分6262 Google Research 在 10 座美国城市实验导航协同分流缓解拥堵
Google Research 在 Nature Cities 发表研究，在 10 座美国城市开展为期六个月的实验，通过修改 Google Maps 算法将遇到预设拥堵路段的行程引导至耗时相近的替代路线，仅不到 2% 的行程收到改道建议。
推荐理由：Google Research 在 10 座美国城市做了为期半月的真实路网实验，读者可了解协同导航对全城车速与排放的实际影响。
Berkeley AI ResearchAI 评分3636 智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统
GPT-4 级能力从 2023 年初的约 $30/百万 token 降至如今不到 $1，部分厂商已低于 $0.10，推理价格年降幅在 9x 到 900x 之间，中位数约 50x。UC Berkeley 的 Aditya G. Parameswaran 等人提出，近乎免费的推理成本带来三类数据系统挑战：面向智能体的数据系统、由智能体运行的数据系统，以及由智能体构建的数据系统。
Hugging Face Blog精选AI 评分7878 LeRobot v0.6.0 发布：世界模型策略、奖励模型与部署 CLI
Hugging Face 发布 LeRobot v0.6.0，围绕机器人学习闭环引入世界模型策略（VLA-JEPA、FastWAM、LingBot-VA）、新一批 VLA（GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT）以及统一奖励模型 API（Robometer、TOPReward）。
推荐理由：LeRobot v0.6.0 把世界模型策略、奖励模型与部署 CLI 串成闭环，读者可据此了解开源机器人学习栈的新能力边界。
Hugging Face BlogAI 评分2222 PRX Part 4：Hugging Face 详解 7B 模型的数据策略
Hugging Face 发布 PRX 系列第四篇，详解其 7B 模型的数据策略：预训练数据由公开与内部数据集混合而成，并用 VLM 重新生成图像长描述。团队将文本编码器从 T5Gemma 换成 Qwen3-VL，改为训练中实时计算文本 latent，实测吞吐仅损失约 3–4%（30 天训练多花约 1 天）。
Google ResearchAI 评分3636 Google Research 将 Heat Resilience 数据扩展至全球 50+ 城市
Google Research 将建筑级屋顶反射率数据集扩展至 9 个国家 50+ 城市，并通过新的 Heat Resilience Earth Engine App 开放访问。该方法融合 Sentinel-2 与 30-cm 分辨率 Airbus Pléiades Neo 影像，在 Boulder 验证中 RMSE 仅 0.04，建模显示针对性冷屋顶规划可使全球城市极端高温降低最多 0.5°C。
Hugging Face BlogAI 评分2828 为什么专业化不可避免：从优化理论、进化生物学到机器学习
优化理论、进化生物学、竞争市场与机器学习共同指向同一结论：在有限资源下，专业化而非通用化才是取得性能优势的路径。Wolpert 与 Macready 1997 年证明没有单一通用优化算法能在所有问题上胜过其他算法，通用性并非性能优势。
Google Research精选AI 评分6767 Google 发布 TabFM：面向表格数据的零样本基础模型
Google 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，把表格预测重构为上下文学习问题，无需手动训练、超参数调优和特征工程，单次前向传播即可对未见过的表格生成预测。
推荐理由：原文给出 TabFM 的架构设计与 TabArena 基准结果，读者可据此判断零样本表格预测能否替代传统树模型流程。
Hugging Face BlogAI 评分4040 Hugging Face 模型页现已展示 Every Eval Ever 评测结果
Every Eval Ever（EEE）与 Hugging Face Community Evals 实现互通，评测结果可交叉发布并回链到完整记录。EEE 数据存储已收录约 229,000 条评测结果，覆盖超 22,000 个模型和 2,200 个基准，来自 31 种报告格式。
Google ResearchAI 评分3131 Google Research 研究：推理如何解锁 LLM 的参数化知识
Google Research 在 COLM 2026 发表的论文揭示，让模型生成推理轨迹能解锁原本无法触及的参数化知识，即使面对简单单跳事实问题。研究在 Gemini-2.5（Flash 和 Pro）与 Qwen3-32B 上验证，发现两个机制：计算缓冲效应（用无意义文本填充推理长度也能提升召回）和事实启动（生成相关事实为正确答案做语义预热）。
Google ResearchAI 评分2222 Google Earth AI 发布矢量化数据集，将英国树篱与石墙转为可行动生态清单
Google Research 发布矢量化数据集，把此前 Farmscapes 2020 的栅格地图转为树篱、石墙和矮林的可用生态清单，覆盖英国超 13 万平方公里。该框架基于在 3 亿多张全球卫星图像上预训练的 RSF Vision-Transformer 骨干，仅用约 247 平方公里标注数据微调，并用 Polsby–Popper 紧凑度分数（线性特征低于 0.5）区分林地、树丛与树篱。
Google ResearchAI 评分3232 Google Research 提出 Regularized f-Divergence Kernel Tests，用于审计机器遗忘
Google Research 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests，用相对距离检验判断遗忘后的模型在分布上更接近安全重训模型还是原始受损模型。
Google ResearchAI 评分5757 Google 开源其水文建模框架，用于 AI 洪水预报
Google Research 在 GitHub 上以 Apache 2.0 许可开源其水文建模框架，让各国气象与水文机构能用与 Google Flood Hub 相同的架构和相近训练数据训练 AI 洪水预报模型。
Google ResearchAI 评分3434 Google 推出零信任聚合的隐私分析方案
Google 为隐私分析服务推出零信任聚合方案，结合新型单次消息加密聚合协议与 TEE，让设备无需多轮在线即可安全提交数据。该设计使 Google 只能获得人群的匿名聚合洞察，原始数据即使在硬件保护范围内也不会被暴露或重建，并通过 TEE 远程认证向参与者证明协议按公开代码正确执行。
Mistral AIAI 评分5858 Mistral 收购 Physics AI 公司 Emmi AI，加速工业 AI 布局
Mistral AI 宣布已签署最终协议，收购 Physics AI 先驱 Emmi AI，以强化其作为工业企业 AI 转型伙伴的定位。Emmi AI 成立于奥地利，专注 Physics AI 与大型工程模型，可把多日计算替换为实时仿真并构建数字孪生。其联合创始人及 30 多名研究人员和工程师将于 5 月加入 Mistral 的 Science 与 Applied AI 团队。
Google Research精选AI 评分7171 Google 发布 ERA 科研工具并开放 Computational Discovery
Google 发布基于 Gemini 的科研工具 Empirical Research Assistance（ERA），可搜索文献、编写并优化科学代码，相关成果已发表于 Nature。
推荐理由：Google 公开 ERA 在 Nature 的评测结果与八篇应用论文，读者可了解 AI 写科学代码在流行病预测、径流预报等领域的实际表现。
Google DeepMind精选AI 评分6060 Google DeepMind 用 Co-Scientist 加速细胞衰老逆转研究
Google DeepMind 发布博客介绍，生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 的实验室使用 Co-Scientist 辅助逆转细胞衰老研究。
推荐理由：Google DeepMind 官方披露 Co-Scientist 在衰老研究中的实际用法，读者可看到 AI 如何压缩文献筛选与数据分析周期。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini for Science 科研工具与实验
Google DeepMind 发布 Gemini for Science，包含 Google Labs 上的三个实验性工具：基于 Co-Scientist 的 Hypothesis Generation。
推荐理由：Google 把 Co-Scientist、AlphaEvolve 等能力打包成科研工具并开放申请，可据此判断智能体在科研流程中的落地方式。
Google DeepMindAI 评分3636 Google DeepMind 与新加坡达成国家 AI 合作，落地医疗、教育与气候项目
Google DeepMind 与新加坡政府启动国家 AI 合作，在新加坡推出医疗、科研、教育和气候等领域的新项目。合作探索 AI co-clinician 辅助诊疗，并用 AlphaFold、Google Earth 等工具推进东南亚传染病与疫情防控研究，同时向中小学至初级学院全体教育者提供 Gemini for Education。
Google DeepMindAI 评分2222 剑桥大学团队用 Co-Scientist 寻找跨物种传染病的分子开关
剑桥大学教授 Clare Bryant 正用 Google DeepMind 的 Co-Scientist 寻找病原体跨物种传播引发脓毒症等重症的分子开关。Co-Scientist 从她的流感基金申请中生成并排序假设，优先锁定了一个她此前未关注的蛋白，并随数据补充将假设细化到具体氨基酸。Bryant 团队正构建携带氨基酸突变的细胞系验证，原本需两到三年的工作有望在六个月内完成。
Google DeepMindAI 评分2222 Google DeepMind Co-Scientist 如何助力 Calico 探索衰老研究新路径
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google DeepMind 的 Co-Scientist 整合衰老生物学中零散的研究发现，并将其转化为可验证的假设。
Google DeepMindAI 评分2828 Google Co-Scientist 加速肝病机制发现，提出 MASH 组合疗法新假设
爱丁堡大学团队用 Google Co-Scientist 研究 MASH 肝病，系统整合肝脏生物学与药理学证据，提出 NLRP3 炎症小体是连接炎症与代谢的关键分子桥梁，该假设随后经实验验证。团队借此从海量潜在药物组合中筛选出可测试的候选联合疗法，并尝试解释 resmetirom 为何仅对少数符合条件的 MASH 患者有效。
Google DeepMindAI 评分2222 Google DeepMind Co-Scientist 如何连接 MIT 与波士顿儿童医院实验室推进 ALS 研究
Google DeepMind 的 Co-Scientist 帮助 MIT 机械工程师 Ritu Raman 快速梳理 ALS 相关矛盾文献，将想法转为可检验假设并按可行性与风险收益排序研究方向。
Google DeepMindAI 评分3636 Google Co-Scientist 助力发现肝纤维化再利用药物，vorinostat 阻断 91% 损伤反应
斯坦福大学医学院遗传学家 Gary Peltz 团队用 Google Co-Scientist 从已有药物文献中筛选肝纤维化候选药，其提出的 3 个候选中有 2 个在活体人类肝细胞测试中阻断纤维化并促进肝细胞再生，而 Peltz 自己挑选的 2 个药物均无效。表现最突出的是抗癌药 vorinostat，阻断了 91% 可驱动肝硬化的损伤反应。相关研究已发表于 Advanced Science。
Google DeepMind精选AI 评分6060 WeatherNext 如何帮助美国国家飓风中心预测飓风 Melissa 登陆牙买加
Google DeepMind 与 Google Research 开发的 AI 天气模型 WeatherNext 帮助美国国家飓风中心提前五天预测飓风 Melissa 将以五级强度登陆牙买加，置信度达 80%，三天前升至接近 100%。
推荐理由：原文给出 WeatherNext 在飓风路径与强度预测上的实际表现，读者可了解 AI 天气模型如何辅助官方预警决策。