Google 在 EMNLP2026 演示潜在能力评估
我们如何评估 AI 在不同领域中的潜在能力？今天下午 3:30，来 #EMNLP2026 Google 展台（#D5），与 Vinodkumar Prabhakaran、Piyawat L Kumjorn 和 Sunipa Dev 一起观看现场演示，了解如何将指标操作化并映射真实世界用户查询失败案例。@GoogleDeepMind
全部动态
按时间排列的全部内容。默认只显示通过双重评分的入选条目；切换到“全部收录”可以检索所有抓到的资料。
283 条收录动态，更新于 23:17
全部收录包含没有通过评分的资料，标题以常规字体显示并标为“未入选”，只供检索，不写入选理由。
10月25日
星期日，4 条Anthropic 联合创始人 Jack Clark 将自我改进 AI 预测提前至 2027 年
Anthropic 联合创始人 Jack Clark 把递归自我改进（RSI）可能实现的时间从 2028 年提前到最早 2027 年，依据是 P-Zero Research 的 TasteVal 基准。
Google Research 钻石赞助 EMNLP2026
我们很荣幸成为 #EMNLP2026 的钻石赞助商，大会将在匈牙利布达佩斯举行。参加 @emnlpmeeting？欢迎莅临 #D5 展位（H 厅），与 Google Research 和 @GoogleDeepMind 团队交流，并观看我们关于语言建模和智能体系统的现场演示。更多：http://goo.gle/emnlp2026
Google内部命名从AI转向SI
有趣的是，Google似乎也在将内部命名从“AI”转向“SI”。 > “build_arena_andwise_si_comparison”是一个与模型比较相关的内部字符串。 这会进一步扩散吗？ - ✅ SpaceXSI - ✅ MSL - ✅ SSI - 👀 MAI > MSI？ - 👀 OpenAI > OpenSI？ - 👀 Apple Intelligence > ASI？
10月24日
星期六，5 条Retraction Watch 周末阅读：期刊应对“Mathpocalypse”、自闭症论文获关注声明、Cell Press 调查贿赂指控
概率领域多家头部期刊暂停接收新投稿，以应对“Mathpocalypse / Slopwave”。一篇高被引自闭症论文因数据重复问题被发布关注声明，Cell Press 正调查其主编被指索取作者贿赂一事。Retraction Watch 数据库撤稿量已超 67,000 条，Hijacked Journal Checker 收录条目超过 450 个。
Google 资助研究：AI 让初级专利律师起草更好，但独立审阅能力未见提升
一项由 Google 资助的研究让专利律师先借助 Google Labs 未发布的 AI 助手 InFlow 起草专利权利要求，再在不使用 AI 的情况下完成 redlining（审阅修改现有专利草稿），由独立律所的盲审专利律师按可执行性、技术准确性、策略模糊性、完整性和清晰度五项打分。
英国投入约 6 亿英镑应对 AI 风险，将建 AI 生物安全实验室
英国政府宣布投入约 6 亿英镑应对 AI 带来的公共卫生和安全风险，其中最多资金投向生物安全计划，包括斥资 1 亿英镑建立 AI 生物安全实验室以识别生物威胁，另投入 6,500 万英镑研发针对病原体的防范和应对措施。
Google CEO Sundar Pichai 谈 AI 轨迹：远未到 RSI 终点，全行业算力短缺
Google CEO Sundar Pichai 在 Big Technology Podcast 访谈中表示，业界"距离 RSI（递归自我改进）的终态还相当远"，但 AI 模型已在模型开发的多个环节与研究人员形成 RSI 循环。
Epoch AI 简报：AI 能否自动化 Epoch 自身工作、SpireClimb 游戏基准与 Gemini 4 Argon 表现
Epoch AI 让 Claude Fable 5.1、GPT-6 Astra 等六个模型完成 11 项取自其自身工作的任务，结果显示没有模型能稳定达到 Epoch 的工作质量标准，Claude Fable 5.1 与 GPT-6 Astra 大致并列领先。
10月23日
星期五，1 条Google Research 用 MedGemma 等基础模型推进结核病筛查落地
Google Research 与 Google for Health 在 IDWeek 2026 上介绍了其结核病筛查 AI 从研究走向临床的路径：与南非公司 Nexus AI 合作将胸部 X 光算法转化为通过 CE MDR class IIb 认证的诊断工具。
10月24日
星期六，1 条Google Research 用 MedGemma 助力结核筛查
结核病（TB）仍是全球最致命的传染病之一，每年估计夺去 123 万人的生命。本周在 IDWeek 2026 上，我们重点展示 MedGemma 等开放基础模型如何将 AI 带到结核筛查一线，以扩大早期检测范围。了解更多：http://goo.gle/4i7HS4o
10月23日
星期五，7 条CiteAnchor 提出来源感知框架，检测并还原虚构引用
作者提出 CiteAnchor 框架，按论文、图书、网页等来源类型分别检索并逐字段核验，把引用是否有效与能否唯一还原来源分开判断。在 CiteAudit 的 3356 条引用上，搭配 GPT-5.6 Luna 检测 F1 为 0.841，比同底座基线高 7.9 点；搭配开源权重 OpenResearcher-30B-A3B 为 0.784，高 36.8 点。
PyTorch Conference North America 2026：共同加速开放智能
PyTorch Conference North America 2026 于 10 月 20–21 日在圣何塞举行，吸引 3,500+ 名参会者，聚焦 PyTorch、vLLM、DeepSpeed、Ray、Helion 和 Safetensors 等 PyTorch Foundation 项目。
微软推出 AI 医疗诊断系统 MAI-DxO：复杂病例准确率 83%，成果登《科学》
微软发布 AI 诊断系统 MAI-DxO（Microsoft AI Diagnostic Orchestrator），通过编排多个 AI 智能体模拟医生联合会诊，协同问诊、开具化验检查并辩论潜在诊断。
微软 MAI-DxO 多智能体诊断系统在《Science》发表模拟研究，复杂病例准确率 83%
微软 AI 的诊断系统 MAI-DxO 在《Science》发表的模拟研究中，对《新英格兰医学杂志》复杂病例的诊断准确率为 83%，而单独工作的全科医生和普通内科医生为 36%；这些复杂病例通常由专科医生或团队处理，后者未纳入对照。
Google Research 在 Nature 发表个人健康智能体 PHA 论文并开源框架
Google Research 宣布个人健康智能体（Personal Health Agent，PHA）研究发表于 Nature，并将该框架开源给社区。据其引用的团队介绍，PHA 是 Google Health Coach 背后的基础多智能体架构，通过编排多个专用智能体处理可穿戴设备与生物标志物数据，团队称其建立了安全、个性化健康 AI 的基准。论文链接：https://www.nature.com/articles/s41586-026-11161-8
引用Yossi Matias@ymatiasA new Nature paper by our teams on the Personal Health Agent (PHA)—the foundational multi-agent AI architecture behind Google Health Coach. By orchestrating specialized agents across wearable and biomarker data, we're establishing a benchmark for safe, personalized health AI—and open-sourcing the framework for the community. Nature paper: https://www.nature.com/articles/s41586-026-11161-8
OmniParseBench 开发者指南：排行榜基准与 OCR 测试
Datalab 开源文档解析器基准 OmniParseBench 以 16,288 项通过/失败测试覆盖 2,937 页文档，并公布 27 个解析器的判定结果。该教程基于这些判定重建排行榜，发现排名前两位的解析器在统计上并列，且多数文档切片上领先者会变化。作者还在 50 页样本上自行运行 Tesseract 与 Indra OCR，并指出一项发布数字与公开文件不符。
FrontierCS 2：计算机科研基准发布
严重推荐！ FrontierCS 2：计算机科学研发基准
引用Wenhao Chai@wenhaocha1Today we are launching FrontierCS 2, the most frontier benchmark for AI agents in computer science R&D. We built 48 tasks from published papers across 13 areas of CS, refining each one with experts in its field. Excited to co-launch FrontierCS 2 with @kaggle @GoogleDeepMind
10月22日
星期四，3 条Google DeepMind 联合 WRI、IIASA 发布 10 米分辨率全球森林类型图 ForTy 2020
Google DeepMind 与 Google Research 联合世界资源研究所（WRI）和国际应用系统分析研究所（IIASA）发布 Forest Typology（ForTy）2020，把全球每块 10×10 米土地按 FAO 定义划为原始林、自然再生林、人工种植林、商品林、木本作物与农林复合、其他土地六类，并给出 2017–2025 年逐年变化序列。
Google DeepMind 发布森林类型地图 ForTy
并非所有森林都一样，现在我们可以把差异绘制出来。🌳 认识一下森林类型图（ForTy）：一张 10 米分辨率的天然林、人工林和农用林地图，帮助识别毁林并保护最重要的森林。🧵
Google DeepMind 创始人 Hassabis 将 AGI 时间表从五年缩短至两到三年
Google DeepMind 创始人、诺贝尔化学奖得主 Demis Hassabis 现认为 AGI 可能在两到三年内到来，其定义是系统能匹配人脑全部认知范围。今年早些时候他的估计还是三到五年，他称这一时间点正不断向当下靠近。他以“爱因斯坦测试”作为判断标准：仅在 1901 年前知识上训练的系统能否复现爱因斯坦 1905 年的论文。
10月21日
星期三，1 条广告支撑的医疗 AI 搜索 OpenEvidence 估值达 150 亿美元，近三分之二美国医生在用
据 Financial Times 报道，2022 年成立于迈阿密的 OpenEvidence 让医生用聊天机器人检索医学期刊与临床指南以辅助诊断和治疗，近三分之二美国医生使用，上月处理超过 4200 万条提示，9 月最新一轮融资 2.5 亿美元、估值 150 亿美元。
10月22日
星期四，1 条Fabrication Severity Stack：用通用 LLM 界面零成本核查虚构引用
作者提出 Fabrication Severity Stack（FSS），按检测难度把虚构引用分为三级：不存在的文献、元数据被篡改、文献真实但内容不支持所引论点；并给出存在性核查、元数据一致性核查、论点支持核查三阶段启发式流程，可在通用 LLM 界面中执行。
10月21日
星期三，1 条Sundar Pichai 谈 Google 的前沿 AI 使命、算力稀缺困境与未来 AI 产品
Alphabet CEO Sundar Pichai 在 Big Technology Podcast 采访中表示，Google 最新 Gemini 4 Argon 在编程、数学、科学和知识工作基准上超过 OpenAI 与 Anthropic 的公开模型，发布后 72 小时内处理近 25 万亿 Token，约为 Gemini 3.0 同期的三倍。
10月22日
星期四，1 条OpenAI 协助发现 PHP 远程代码执行漏洞
OpenAI 的 Patch the Planet 计划协助发现两个被称作 php2shell 的严重未认证远程代码执行漏洞（CVE-2026-109618、CVE-2026-109619），PHP 8.5.12、8.4.27、8.3.36 和 8.2.35 已修复，OpenAI 现提供 Codex skill 用于检查受影响站点。
引用🚨 AI News | TestingCatalog@testingcatalogDAILY AI BRIEF 🗞 — Oct 21 OPENAI 🔥: - OpenAI acquired Orchestra Bio, a drug-development coordination platform, to build on its Rosalind life sciences models and tools. - Locked Chats are rolling out in ChatGPT across all plans, letting users protect chats with a PIN, Face ID, Touch ID or device unlock. - The OpenAI API now offers 12-hour prompt caching, so persistent agents can keep shared context cached at the lower rate for longer. - ChatGPT team tasks can now automate recurring engineering work, like a weekly roundup of what shipped and what's blocked. SPACEXSI 🔥: - SpaceX reported $14.6B in Q3 revenue, with its Super Intelligence segment (Cursor, Grok Bot and its neocloud) bringing in $7.5B. GOOGLE 🔥: - Gemini with Personal Intelligence is rolling out globally on Android Auto, with cars with Google built-in following in the coming months. - Google released llm-d 1.0, an open-source Kubernetes-native stack for distributed LLM inference, at the PyTorch Conference. MISTRAL 🔥: - Mistral released Voxtral 3, a family of speech-to-text and text-to-speech models powering its new voice agents API. PERPLEXITY 🔥: - Perplexity Computer on Mac can now run fully local, powered by PPLX Pro, a post-trained Qwen 3.8 model, for Pro, Max and Enterprise users. META 🔥: - Muse web is preparing Confidential VMs, an encrypted mode for running Muse tasks that will initially be limited to Meta AI subscribers. ELEVENLABS 🔥: - ElevenLabs released Eleven Realtime v1 Max and Mini speech-to-speech models on its ElevenAgents platform and APIs. * Used Grok to compose this brief, cherry-picking the news and doing some post-editing.
10月21日
星期三，1 条NVIDIA 与华盛顿大学蛋白设计研究所发布开放蛋白设计模型 RFD4-Proteina
NVIDIA 与 UW Medicine 蛋白设计研究所（Institute for Protein Design）在 GTC Berlin 发布开放模型 RFD4-Proteina，把可编程蛋白设计与搜索能力结合，可按分子输入、约束和打分目标生成并优化设计。
入选理由蛋白质设计模型与放疗规划两条线同时落地，研究者可据此判断开放模型能接入哪些现有科研与临床工作流。
10月22日
星期四，3 条Gemini 4 Argon 将考古档案转为3D遗址
走进千年遗址：看 Gemini 4 Argon 如何将零散的考古记录转化为可探索的 3D 数字遗产遗址。 我们将查科峡谷的原始 LiDAR 扫描数据和档案资料输入 @Antigravity，使用 Argon 和 Blender MCP 构建了 3D 模型 🏛️
Gemini 4 Argon 构建人体解剖3D可视化
Gemini 4 Argon 结合三个开源数据集，构建了人体解剖学的交互式 3D 可视化。 可动态切换不同图层、单独查看肌肉，或放大进入跳动的心脏内部。
Google 盲扫超声 AI 跨场景泛化
我们的新研究显示，盲扫超声 AI 如何泛化到新的医疗场景，使非超声技师操作者借助低成本探头即可完成临床级孕龄评估，从而在全球扩大挽救生命的孕产妇护理。阅读博客：http://goo.gle/3VR2R45
10月21日
星期三，1 条Google Harness²：递归智能体框架自我改进
Google 提出 Harness²，用两层递归自我改进让智能体框架适配开放世界任务：针对当前任务提出、测试并组合对提示、工具与工作流的修改，再把实验经验存储下来用于改进未来的框架调整。