Google Research 提出基于可穿戴设备的 CKM 健康年龄与个性化健康指导框架
Google Research 发布一项研究性框架，用可穿戴数据构建可干预的健康年龄（CHA）模型，并训练 SensorWM 世界模型模拟个性化 12 周"如果-那么"健康轨迹，配合语言模型生成经临床审核的指导计划。
#多模态
Google Research：BlogAI 评分5353
IT之家·人工智能AI 评分4242 谷歌联合 Artificial Analysis 推出 MKA 多模态知识智能体基准，Gemini 4 Carbon 质量第二、成本仅第一名六分之一
谷歌联合 Artificial Analysis 推出多模态知识智能体基准测试 MKA，用于评估 AI 智能体处理视觉复杂文件、完成现实知识工作任务的能力。Gemini 4 Carbon 在参测模型中质量排名第二，平均任务成本约为第一名模型的六分之一。该测试含 200 项私有任务，覆盖 10 个行业 83 种职业，已在 Artificial Analysis 平台开放。
Philipp Schmid@_philschmidAI 评分5454Philipp Schmid 宣布与 Artificial Analysis 联合推出 MKA（Multimodal Knowledge Agent）基准，评测智能体在视觉复杂文件上的知识工作。
Artificial Analysis 完整文章AI 评分4747 Google DeepMind 与 Artificial Analysis 推出 MKA 多模态知识工作基准
Google DeepMind 与 Artificial Analysis 联合发布 Multimodal Knowledge Agent（MKA）基准，用 200 个跨 10 个行业的私有真实视觉任务考察智能体处理图纸、扫描件并产出幻灯片、表格、报告等交付物的能力。
Artificial Analysis@ArtificialAnlysAI 评分4747- Artificial Analysis@ArtificialAnlysAI 评分4040
很高兴与 @GoogleDeepMind 合作，将 MKA Benchmark 引入 Artificial Analysis
引用Google DeepMind@GoogleDeepMindWith @ArtificialAnlys, we built MKA (Multimodal Knowledge Agent): a benchmark for how well agents handle visually complex tasks. Everyday professional work often uses more than just text – from cross-referencing blueprints to reading scientific charts. This is not covered by existing evaluations. Gemini 4 Carbon ranks #2, at 6x lower average cost per task than the top model. → goo.gle/4AikIja
蚂蚁 inclusionAI：GitHub 新仓库AI 评分4040 蚂蚁 inclusionAI 开源 ZoomGain：用全局到局部感知差构建视觉监督数据
蚂蚁 inclusionAI 发布 ZoomGain，利用放大后才显现的视觉细节反推整图问题，为视觉语言模型构建监督信号。同步开源 ZoomGainBench（1000 题、941 张图，覆盖属性识别、计数与 OCR）、9000 条 RL 训练数据及 ZoomGain-4B、ZoomGain-9B 模型检查点。
The Decoder：AI NewsAI 评分6363 Co-Design Bench 测试显示编码智能体仅在约四分之一任务上完全达标
阿里与多所亚洲高校的研究者基于真实编码会话中的用户修改请求构建了 Co-Design Bench，要求智能体改造现有 Web 应用，输入含图片、音频、视频等。十个受测模型中最好的 GPT-6 Astra 平均满足约 70% 的任务要求，但仅 26.4% 的任务完全正确，Claude Opus 5 与 Qwen3.8-Max 分列其后，Grok 4.6 垫底。
IT之家·人工智能AI 评分7171 谷歌 AI-PPG-ACC-HTN 系统登上 Nature：无需袖带用智能手表检测高血压
谷歌于 11 月 5 日发布登上《Nature》的研究，推出 AI-PPG-ACC-HTN 多模态 AI 系统，无需袖带校准，用消费级智能手表被动检测高血压迹象。
OpenAI：官网动态AI 评分5555 OpenAI 联合 Ligo 发布 BioBasicsBench 基准，评测 AI 智能体处理常规湿实验室分析的能力
OpenAI 与酶设计公司 Ligo 共同发布 BioBasicsBench 基准，用 100 个任务衡量 AI 智能体解读原始实验数据、发现错误并识别证据是否足以支持结论的能力，覆盖蛋白质方法、成像与流式、定量与检测、核酸方法和分子克隆五个领域。
Artificial Analysis 完整文章AI 评分4545 VIALS-AA 评测：不同模型走向科学图像推理的不同路径
VIALS-AA 用 161 项任务各跑三次，测试模型解读科学图像的能力，Gemini 4 Carbon (high) 以 64% 得分领先，比 GPT-6 Astra (max) 多答对两项任务。
Google Research：Blog精选AI 评分6161 Google Research 在 Nature 发表 AI-PPG-ACC-HTN：用智能手表无袖带检测高血压迹象
Google Research 联合 Beth Israel Deaconess Medical Center 和哈佛医学院在 Nature 发表 AI-PPG-ACC-HTN 多模态 AI 系统，用消费级智能手表的 PPG 和加速度传感数据被动检测高血压迹象，无需袖带校准。
推荐理由：研究给出与诊室袖带流程对照的具体敏感度和PPV数据，读者可以据此评估智能watch无袖带血压筛查的实际可行度。
MarkTechPostAI 评分5252 Google Research 发布 Agile Deliberation 框架，用于构建主观概念图像分类器
Google Research 发布 Agile Deliberation，一个 human-in-the-loop 框架，帮助用户通过边界图片迭代出主观概念（如 healthy food、clickbait）的书面定义，同时作为 VLM 分类器提示词。
Google Research：BlogAI 评分4141 Google Research 提出 Agile Deliberation：让 AI 帮人厘清主观概念的灰色地带
Google Research 提出 Agile Deliberation 框架，把主观 AI 分类器的构建变成人与 AI 的迭代对话，先帮用户厘清自身定义再训练模型，相关代码与算法已在 GitHub 开源。
Apple Machine Learning ResearchAI 评分4646 苹果提出在线密集强化学习框架：规划-定位智能体在真实 iOS 应用上导航
苹果研究团队提出一种在线强化学习框架，直接在真实 iOS 应用上训练 UI 导航智能体，将智能体拆分为 Planning agent 与 UI Grounding 模型，并用 LLM-as-a-Judge 提供步级密集反馈加终局奖励，配合 PPO 与步级优势估计优化。
The Decoder：AI NewsAI 评分4848 Google 推出 StreamVibe 视频智能体，让 AI 主动判断何时该开口帮忙
Google 联合斯坦福、牛津等团队推出 StreamVibe 视频智能体，能区分用户明说、未说出口和任务中途改变的需求，自主决定何时出声帮忙。其 StreamVibe-VL 模型基于 Qwen3.5-9B，响应时机与质量比其他模型提升 10.7%，记忆系统再提升主动交互 12.3%。测试显示视频超过 5 分钟后各模型普遍难以把握正确时机，基于自身历史回答的关键内容指标最多下降 61.5%。
IT之家·人工智能AI 评分5050 研究称 AI 模型不同语言 Token 消耗最高相差 17 倍，形成隐性分词器税
人工智能语言公平研究联盟上月发布研究发现，AI 模型处理不同语言时 Token 消耗量差距悬殊，最常用 20 种语言间相差 1.5 至 5 倍，某模型中最多相差 17 倍。这种隐性的分词器税推高低资源语言用户的成本，还会拖慢响应、挤占上下文窗口；文字系统而非使用人数是关键因素之一，专家呼吁实验室公布各语言评估结果并改进下一代分词器设计。
Rohan Paul@rohanpaul_aiAI 评分6161Latent SpaceAI 评分5555 Elorian 发布 DecoyCount 基准，前沿模型视觉计数得分低于 50%
Latent Space 采访 Elorian CEO Andrew Dai，介绍其与 Mercor 联合发布的 DecoyCount 基准，测试模型是真正数数还是依赖视觉捷径。
Ars Technica：AIAI 评分6161 自然语言走向蛋白质与基因组设计：Pinal 与开源模型 Carbon X 解析
Ars Technica 介绍了两款用自然语言做生物设计的工具。中国研究团队开发的 Pinal 用 T2struct 模块将文本提示转为结构蓝图，再由 SAProt-T 生成氨基酸序列，在荧光蛋白测试中从 50,000 个设计筛出 29 个候选，仅 1 个发光。
IT之家·人工智能AI 评分5757 报告称豆包引用抖音权重从10.79%升至31.8%，视频成主力信源
新榜智汇本月报告显示，豆包对抖音的引用权重从5月的10.79%升至8月的31.8%，每引用3条内容就有1条来自抖音；百度6月首次将B站和好看视频纳入信源库，二者权重之和达12%。报告指出，标题关键词覆盖度与引用次数的相关系数为ρ=+0.149（抖音+0.157），高于语义相似度的+0.117，建议视频创作者标题贴合用户提问用词，并确保与目标提问词语义相似度达标。
Apple Machine Learning ResearchAI 评分4242 GHARP：基于大规模重建先验的实时高斯头部动画
Apple 研究团队提出 GHARP，可从少量输入图像和驱动表情信号实时驱动 3D 人头动画。该方法将问题拆为离线构建身份几何与外观表示、运行时用轻量网络预测表情相关残差两阶段，并加入身体对齐网络消除身体姿态与衣物位置带来的歧义。在 Ava-256 基准上达到 SOTA 质量，在 A100 GPU 上运行速度最高提升 13×，高斯数量减少 8×。
Google Research：Blog精选AI 评分6363 Google Research 发表 AI 盲扫超声孕周评估研究，准确性与专家操作相当
Google Research 在 JAMA Network Open 发表前瞻性多中心研究，评估基于"盲扫"超声的 AI 孕周评估模型在不同临床环境和设备上的泛化能力。
推荐理由：研究给出跨芝加哥与内罗毕的前瞻验证数据，读者可据此评估 AI 超声在低资源场景落地的可行性。
IT之家·人工智能AI 评分6666 研究称 AI 仅凭一张面部照片可预测癌症患者生存几率
据彭博社报道，研究人员在《柳叶刀·数字健康》发表研究，开发出仅凭一张面部照片预测癌症患者生存几率的 AI 工具。模型使用超过 4000 万张人脸图像和 3 万多名癌症患者照片训练，可生成风险评分，分数最高者更可能在 90 天内死亡，估算年龄误差约 5 岁，并能在不同年龄、种族、性别和癌症类型人群中生效。
MIT NewsAI 评分4343 MIT 等团队开发 E(3)-Pose：用对称性先验提升胎儿脑 MRI 成像可靠性
MIT、波士顿儿童医院与 Inria 的研究者开发并训练了深度学习模型 E(3)-Pose，可在胎儿头部运动时辅助成像，生成供放射科医生查看的高分辨率三维图像。该模型把胎儿头部的左右对称性等物理原理嵌入网络架构，而非仅从数据中学习物理规律，从而更准确地识别大脑朝向。相关论文已在 2026 年欧洲计算机视觉会议（ECCV）上展示，目前模型主要基于第三孕期胎儿训练。
IT之家·人工智能AI 评分6666 研究发现：AI 可篡改人类记忆，植入从未发生的虚假事件
据 Washington Post 报道，MIT 媒体实验室教授 Pattie Maes 团队让 200 名受试者观看照片，看过 AI 篡改图片的人产生错误记忆的概率大幅上升，且对虚假记忆更自信。
MIT NewsAI 评分4242 MIT 团队构建多模态 AI 模型，让模型“看懂”材料的三维晶体结构
MIT 研究人员构建了一个多模态 AI 模型，将晶体的 3D 原子结构与自然语言描述结合，生成涵盖化学成分、结构、性质、加工与应用的统一描述。在发表于 Nature Communications 的论文中，该系统在筛选固态锂离子电池电解质材料时给出的高分结果包含已被独立认定为有前景的候选材料，表现优于仅用文本训练的模型。
IT之家·人工智能AI 评分4949 阿里 Qwen 开源 BlenderWorld：223 道题、2651 条标准的 3D 建模基准
阿里 Qwen 团队于 10 月 14 日开源 BlenderWorld，一个评测视觉智能体在 Blender 中完成真实 3D 创作任务的基准，采用 MIT 许可证，代码与数据集已发布至 GitHub、Hugging Face 和 ModelScope。
Apple Machine Learning ResearchAI 评分4343 Apple 提出 SSR：用选择式结构化推理打造高效多模态搜索智能体
Apple 研究团队提出 Selection-based Structured Reasoning（SSR），将推理从开放式生成改为从预设可复用自然语言候选中选择，无需辅助任务头。在 2B 和 4B 模型、七个多模态搜索基准上，SSR 平均成功率与同规模领先搜索智能体相当，每轮推理延迟降低超 90%，单题模型总推理延迟降低 28–54%。
LlamaIndex：产品、工程与评测AI 评分4747 LlamaIndex 发布 ExtractBench Pro，聚焦文档抽取的长尾难题
LlamaIndex 发布 ExtractBench Pro，这是基于真实长尾文档构建的 ExtractBench 扩展评测集，包含 100 份合成文档、六大类新挑战。该数据集由确定性流水线从种子和配置文件生成，覆盖图表取值、跨页规则、内部术语、图示关系等场景，刚性流水线表现吃力，而配备合适工具的智能体系统更能适应。
IT之家·人工智能AI 评分7272 上海人工智能实验室团队用书生 S2 大模型完成三维 Ghys 猜想证明
上海人工智能实验室发文宣布，许地生团队依托书生科学多模态大模型 S2，通过人机协同完成困扰数学界 30 余年的三维 Ghys 猜想证明。北京大学董彬、刘若川院士团队用 SHEAF 框架完成形式化验证，论文已发布于 arXiv，形式化代码开源在 GitHub。上海人工智能实验室表示该范式可推广至其他搜索空间大而专家稀缺的基础研究领域。
MarkTechPostAI 评分4949 Datalab 发布 OmniParseBench：16,288 项通过/失败测试的开源 OCR 基准
Datalab 发布开源文档解析基准 OmniParseBench，用 16,288 项 yes/no 测试覆盖 2,937 页、2,343 份文档和 92 种语言，数据集与代码公开。
Apple Machine Learning ResearchAI 评分5959 Apple 发布三模态掩码扩散模型设计空间研究
Apple 团队发布首个从零预训练的三模态掩码扩散模型（MDM）研究，在文本、图文和音频文本数据上训练。论文系统分析了多模态缩放规律、模态混合比例、噪声调度和 batch size 影响，提出基于 SDE 的重参数化方法免去调优最优 batch size，并在 3B 模型规模（6.4T tokens）上验证了文本生成、T2I 和 T2S 任务的表现。
蚂蚁 inclusionAI：GitHub 新仓库AI 评分4545 蚂蚁 inclusionAI 开源 ZwZ2 系列模型：无需缩放即可跨区域连接细粒度视觉证据
蚂蚁 inclusionAI 发布 ZwZ2-4B/9B/27B 三个视觉模型，基于 Qwen3.5-4B、Qwen3.5-9B 和 Qwen3.6-27B，用 20.4K 条经跨模型验证的多区域 VQA 样本做 GRPO 强化学习训练。
公众号：小红书技术AI 评分4646 小红书提出 AdaptEvo：面向规则约束情境决策的 Agent 学习框架
小红书 AllSpark 团队联合社区审核算法团队提出 Agent 学习框架 AdaptEvo，将置信度自适应强化学习 CA-GRPO 与决策知识、评价准则的演化交替进行。
Apple Machine Learning ResearchAI 评分4040 苹果研究：LLM 做机器翻译质量标注，人类与模型都面临挑战
苹果研究团队评估了 LLM 在 MQM 和 ESA 两种机器翻译质量标注方案下与人类标注者的一致性，测试覆盖 70 个语言对的长上下文测试集及 WMT23、WMT25 公开数据。结果显示，LLM 在某些任务上与人类的一致性超过人类标注者之间的一致性，但在多数标注方案、语言对和领域下仍不可靠。人类在细粒度 MQM 标注和低资源语言对上尤为吃力，LLM 则难以处理细微错误、错误语言变体和错误跨度标注。
蚂蚁 inclusionAI：GitHub 新仓库AI 评分4141 蚂蚁 inclusionAI 发布 PolyOCR-Venus：2B/9B 统一 OCR 基础模型
蚂蚁 inclusionAI 开源 PolyOCR-Venus 系列 OCR 基础模型，含 2B 和 9B 两个版本，基于 Qwen3.5 视觉语言骨干，统一支持文本识别、定位、文档解析、信息抽取与 OCR 推理。