研究人员用 OpenAI 推理模型辅助诊断儿童罕见遗传病，新增 18 例诊断
研究人员使用 OpenAI 推理模型帮助医生诊断罕见遗传病，在先前未解决的病例中识别出 18 例新诊断。
推荐理由：这项研究用 OpenAI 推理模型在未解病例中给出 18 例新诊断，可供了解推理模型在医疗诊断中的实际用例。
论文研究
全部主题值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展的精选解读。
当前仅显示精选新闻最新精选
第 101–120 条 · 共 130 条OpenAI News精选AI 评分6060
Google Blog: AI精选AI 评分6969 Google 在 Nature 发表 AMIE 研究：医疗 AI 从诊断对话扩展到长期疾病管理
Google 在 Nature 发表研究，展示医疗 AI 系统 AMIE 从一次性诊断对话扩展到使用药物目录和临床指南的长期疾病管理，该系统基于 Gemini 模型的长上下文能力，包含共情对话智能体和深度思考的管理推理智能体。
推荐理由：盲测中 AMIE 的整体疾病管理推理与 21 名全科医生持平，计划精确度和指南一致性更高。
Anthropic Newsroom精选AI 评分6363 Anthropic 发布首份 Public Record 调查：64% 美国人担忧 AI 导致失业
Anthropic 公布首轮 Anthropic Public Record 调查结果，2025 年 11 月至 12 月面向 51,993 名美国人开展，48% 将治愈癌症、阿尔茨海默病等疾病列为对 AI 的前三期待，36% 选择帮助残障人士。
推荐理由：调查覆盖近5.2万名美国人，给出公众对AI的希望与担忧分布，可作为后续态度变化的基线。
Google DeepMind精选AI 评分6464 Google DeepMind 发布塞拉利昂 Gemini Guided Learning 教学试验结果
Google DeepMind 公布在塞拉利昂开展的预注册试验结果，使用 Guided Learning 的学生数学成绩较对照组提升 0.258 个标准差，约合 1.2 到 1.7 年的典型学习进度，八周内完成。
推荐理由：预注册试验给出了量化学习增益和保护批判性思维的交互数据，为评估 AI 辅助教学提供了可对照的证据。
@kimmonismus@kimmonismus精选AI 评分6969 
推荐理由：剑桥团队把 AI 设计的超级抗原推进到人体试验阶段，免疫反应有限，但验证了这条路径可被测试。
数字生命卡兹克 · 微信公众号精选AI 评分7979 Anthropic 发布万字长文《当 AI 开始构建自己》，讨论递归自我改进
Anthropic 研究院发布长文《当 AI 开始构建自己》，用公开基准和此前未披露的内部数据说明 AI 已在加速 AI 系统自身的开发。文中称 Anthropic 工程师平均每季度交付的代码量是 2021 至 2025 年间的 8 倍，Claude 在最开放任务上的成功率在 2026 年 5 月达到 76%，六个月内提高 50 个百分点。
推荐理由：Anthropic 用内部数据展示 Claude 在写代码和做研究上的进展，读者可据此理解递归自我改进这一趋势的早期证据。
Google Research精选AI 评分6363 Google Research 发布 PHRM 系统，用手机前摄在日常生活中被动监测心率与静息心率
Google Research 在 Nature 发表 PHRM 研究系统，利用人脸解锁后的前摄视频，在日用手机过程中后台跟踪心率与每日静息心率（RHR）。
推荐理由：原文给出跨肤色验证数据和开放数据集申请入口，读者可以据此评估手机摄像头被动心率监测的可用性。
@kimmonismus@kimmonismus精选AI 评分8282 
推荐理由：原文对比了简单智能体循环与完整系统的表现，可用于判断复杂架构在什么问题上才真正必要。
@berryxia@berryxia精选AI 评分6666 Anthropic 上月启动的 AI 网络安全合作项目 Project Glasswing，一个月内与合作伙伴在生产环境中发现超过一万条高危或关键漏洞，均来自核心软件而非实验室模拟。
引用Anthropic (@AnthropicAI)@AnthropicAILast month we launched Project Glasswing, our collaborative AI cybersecurity initiative. Since then, we and our partners have found more than ten thousand high- or critical-severity vulnerabilities in essential software.
推荐理由：Anthropic 披露 Glasswing 项目一个月在生产环境扫出上万条高危漏洞，可对照传统安全团队的发现量级。
@kimmonismus@kimmonismus精选AI 评分8686 OpenAI 称其内部推理模型自主推翻了数学家 Paul Erdős 在 1946 年提出的平面单位距离问题猜想，找到了比正方形网格更优的新点构型，性能提升为固定多项式因子。
引用OpenAI (@OpenAI)@OpenAIToday, we share a breakthrough on the planar unit distance problem, a famous open question first posed by Paul Erdős in 1946. For nearly 80 years, mathematicians believed the best possible solutions looked roughly like square grids. An OpenAI model has now disproved that belief, discovering an entirely new family of constructions that performs better. This marks the first time AI has autonomously solved a prominent open problem central to a field of mathematics. Video
推荐理由：OpenAI 称推理模型自主推翻 Erdős 猜想，作者补充了选题由 OpenAI 决定这一前提，便于读者评估结论边界。
@AYi_AInotes@ayi_ainotes精选AI 评分6969 推荐理由：材料点出 AI 解题的思维链长达125页且多在构造反例，并附上数学家 Gowers 的审稿评价，可看到 AI 参与数学研究的实际形态。
@AYi_AInotes@ayi_ainotes精选AI 评分7979 
引用OpenAI (@OpenAI)@OpenAIToday, we share a breakthrough on the planar unit distance problem, a famous open question first posed by Paul Erdős in 1946. For nearly 80 years, mathematicians believed the best possible solutions looked roughly like square grids. An OpenAI model has now disproved that belief, discovering an entirely new family of constructions that performs better. This marks the first time AI has autonomously solved a prominent open problem central to a field of mathematics. Video
推荐理由：原文呈现 AI 自主解决数学开放问题的过程，读者可了解它如何把冷门数论工具带入几何难题。
@polynoamial@polynoamial精选AI 评分7979 引用OpenAI (@OpenAI)@OpenAIToday, we share a breakthrough on the planar unit distance problem, a famous open question first posed by Paul Erdős in 1946. For nearly 80 years, mathematicians believed the best possible solutions looked roughly like square grids. An OpenAI model has now disproved that belief, discovering an entirely new family of constructions that performs better. This marks the first time AI has autonomously solved a prominent open problem central to a field of mathematics. Video
推荐理由：OpenAI 称其内部通用模型推翻平面单位距离问题近 80 年的网格假设，读者可据此判断 AI 自主做数学研究的进度。
@SherylHsu02@sherylhsu02精选AI 评分7676 引用OpenAI (@OpenAI)@OpenAIToday, we share a breakthrough on the planar unit distance problem, a famous open question first posed by Paul Erdős in 1946. For nearly 80 years, mathematicians believed the best possible solutions looked roughly like square grids. An OpenAI model has now disproved that belief, discovering an entirely new family of constructions that performs better. This marks the first time AI has autonomously solved a prominent open problem central to a field of mathematics. Video
推荐理由：OpenAI 模型推翻了数学界近 80 年的判断，可作为观察 AI 自主数学发现能力的一个参照。
@OpenAI@openai精选AI 评分6969 推荐理由：OpenAI 说明该证明出自通用推理模型而非专为数学问题打造的系统，读者可据此了解结果在数学与 AI 交叉领域的意义。
OpenAI News精选AI 评分6767 OpenAI 模型推翻离散几何领域一项核心猜想
OpenAI 称其一个模型解决了有 80 年历史的单位距离问题，推翻了离散几何领域的一项核心猜想。OpenAI 把这一结果称为 AI 驱动数学研究的里程碑。
推荐理由：OpenAI 称其模型解决了 80 年历史的单位距离问题，读者可据此了解 AI 参与数学发现的进展。
@kimmonismus@kimmonismus精选AI 评分6767 引用International Cyber Digest (@IntCyberDigest)@IntCyberDigestVideo of exploit in action. Source: blog.calif.io/p/first-public… Video
推荐理由：三位研究者用 AI 模型做出绕过 Apple M5 MIE 的内核漏洞利用，读者可看到 AI 辅助安全研究的一条具体路径。
Google DeepMind精选AI 评分6161 Stanford 团队用 Google DeepMind Co-Scientist 筛选出肝纤维化候选药物
Stanford 医学院遗传学家 Gary Peltz 团队在 Advanced Science 发表研究，用 Co-Scientist 从现有药物文献中筛选可重定位治疗肝纤维化的药物。
推荐理由：原文给出 Co-Scientist 与人类专家选药的真实对比实验结果，读者可以据此了解 AI 辅助药物重定位的实际表现。
@berryxia@berryxia精选AI 评分6666 
引用Prime Intellect (@PrimeIntellect)@PrimeIntellectAutomating AI research is the next major step in AI We let Claude Code (Opus 4.7) and Codex (GPT 5.5) run autonomously on the nanoGPT speedrun optimizer track using our idle compute. ~10k runs, ~14k H200 hours Opus now holds the record at 2930 steps vs the 2990 human baseline
推荐理由：Prime Intellect 用闲置算力让智能体自主优化 nanoGPT 训练，显示其擅长组合已有方法但在创新上受限，实验日志已开源。
Thinking Machines Lab Blog精选AI 评分7373 Thinking Machines Lab 发布 TML-Interaction-Small 交互模型研究预览
Thinking Machines Lab 发布交互模型研究预览，模型原生处理音频、视频和文本的实时交互，而非依赖外部 harness。TML-Interaction-Small 为 276B 参数 MoE（12B 激活），采用 200ms 微轮次多流设计和无编码器早期融合，并配合异步后台模型处理深度推理。
推荐理由：原文给出交互模型的技术路线、架构细节和基准对比，读者可据此评估原生交互与外挂式实时方案的能力差距。