MedGemma vs GPT-4: Open-Source and Proprietary Zero-shot Medical Disease Classification from Images
MedGemma-4b-it 使用 LoRA 微调后,在 6 种疾病诊断测试中准确率达 80.37%,超过未微调 GPT-4 的 69.56%。该开源模型在癌症和肺炎等高风险任务中表现出更高灵敏度。研究证实领域微调对减少临床幻觉至关重要。
MedGemma-4b-it 使用 LoRA 微调后,在 6 种疾病诊断测试中准确率达 80.37%,超过未微调 GPT-4 的 69.56%。该开源模型在癌症和肺炎等高风险任务中表现出更高灵敏度。研究证实领域微调对减少临床幻觉至关重要。
三项模型家族将2000篇新闻改写为摘要与故事,研究发现“源一致性”指标无法准确衡量重构中的故意偏离,导致真实失真被遗漏。在故事中,问责失真上升高达7倍,其中三分之二的案例减轻了肇事者的责任。为支持检测研究,作者发布了可重构语料库ReTold-2k。
LLM 在信息不足时依赖 unembedding 矩阵中的“方向性未知”作为一元先验。该现象在 0.4B 至 405B 参数的 Llama、Qwen、Gemma 和 Pythia 模型中普遍存在。
TypeSafe AI 的商业“系统一”模型 Jev 在 37 个数据集上完成零样本评测,以低于 10 美元的总成本处理了 346,009 个请求。 Jev 在 IMDB、SST-2、HellaSwag 和 ARC 等任务上达到 95-99% 的准确率,优于 37 项测试中的 Qwen3.8-27B 和 Gemma-4-E4B,且概率校准良好。
该研究发现,基于个体 token 路由的聚类最优传输变体在 Gemma 和 Granite 模型上将毒性减少 37-61%,优于均值差(DiM)方法。 该变体在 INT8 和 NF4 量化下依然有效,且与均值差方法相比,在相同毒性水平下流畅度略高,但在相同转向强度下困惑度稍高。 该研究证明了该变体在量化模型中的鲁棒性,为实际部署中降低模型毒性提供了有效方案。
研究评估了3,611个健康问题的Google AI Overviews,发现其与传统搜索来源重叠度低且过度依赖商业发布源。AI Overviews在6项可靠性标准中的4项得分低于传统结果,且56.7%的被引用语句缺乏充分依据,仅获得医生评分标准的38.2%。
研究测试12个语言模型在4860次调用中对已知机械极限的计算与拒绝能力,发现模型在询问可行性时能识别不可能的工程设计,但在要求完整答案时可能错误报告“solved”。 Opus 5 和 Gemini 3.8 Flash 在仅询问可行性时拒绝了所有不可能的新设计,无假警报;重述拒绝时机或改变回答格式提升了原始梁的拒绝率,但在新设计上效果不一致。
研究评估了6个LLM在约鲁巴语和尼日利亚皮钦语上的安全性,使用400条对抗性提示。多数模型拒绝率达0%并非更安全,而是因语言理解失败。 GPT-4o Mini在约鲁巴语上的跨语言安全差距最大(+0.23)。
研究发现链式思维(CoT)依赖度随模型规模增加而上升并饱和。在 Qwen3 中,答案对编辑后步骤的依赖度从 0.6B 参数的 16-18% 升至 14B 的 97-100%。 能力是主要驱动因素,依赖度与步骤准确率相关系数 r = 0.99。后训练不改变依赖度,14B 以下模型在缺乏书面步骤时均无法内部解决需四步以上交换的任务。
研究提出组件反转翻译方法,固定行为与译文数量,独立分配英、中、西语言以评估9种配置。在Gemini 2.5 Flash和DeepSeek上,拒绝率互换效应未通过Holm校正;Mistral Small 4显示13.7点的西班牙语互换效应,且通过敏感性校正。 该评估框架强调记录组件语言与译文数量,将拒绝与不安全顺从分开解读,为多语言安全测试提供额外维度。
谷歌发布名为“睡眠框架”(Sleep Framework)的持续学习研究成果,试图解决大语言模型发布后知识固化、难以吸收新信息的难题。该框架将模型运行划分为“清醒”与“睡眠”阶段,在睡眠中通过参数扩展、混合专家记忆块和知识蒸馏巩固短期信息,并生成合成样本进行强化学习。实验显示,该框架在处理最长约1000万token的上下文和持续数学推理等任务中优于多种基线方法,且性能下降接近零。
Artificial Analysis Intelligence Index v5榜单显示Claude Opus 5.5以58分险胜GPT-6 Astra(57分),但谷歌随后发布的Gemini 4 Carbon以59分反超夺魁。
人工智能语言公平研究联盟上月发布的研究发现,AI 模型处理不同语言时消耗的 Token 数量可能相差悬殊,互联网常用 20 种语言的 Token 消耗量最高相差 1.5 至 5 倍,测试范围扩大到 200 种语言时,不同语言的 Token 消耗量最多相差 17 倍。
美国科技巨头在 AI 领域的合计投入达 7500 亿美元,但支撑投入的广告、消费与零售业务已出现增长放缓迹象。Alphabet 搜索及广告收入增速创五个季度新低,维持最高 2050 亿美元资本开支预期;亚马逊电商与广告增速双双放缓,重申 2200 亿美元资本开支计划。
谷歌正逐步停用 2024 年 12 月推出的 AI 编程助手 Jules。官方声明将把 Jules 中关于异步编程智能体的经验融入 Antigravity 平台。Antigravity 是支持 Windows、macOS 和 Linux 的智能体优先集成开发环境。
前 Google 和 Microsoft 工程师 Nate Soares 称已十年未向 401(k) 退休账户存入资金,认为在政府和企业采取极少预防措施的情况下,未来十年内人类被 AI 灭绝的概率超过 50%。
谷歌 Gemini 新增文件编辑功能,用户可直接在应用内生成、预览并修改 PDF、谷歌文档、表格、幻灯片、Markdown、TXT 及代码文件。该功能今日面向所有用户开放,其中 PDF 预览与编辑支持网页端及移动端,其他格式仅限网页端。 此前 Gemini 已具备文件生成与下载能力,此次升级实现应用内无缝编辑,用户可全屏打开文档或选中特定内容(如表格)指令 Gemini 转换为图表。
段永平持有泡泡玛特账面浮亏近20亿港元,股价自高点跌去六成。尽管其被视为消费龙头,但泡泡玛特缺乏可口可乐式的确定性,不符合段永平“3R”投资框架的核心标准。 泡泡玛特依赖视觉IP,受审美潮流与消费信心影响大,高波动属性明显。
亚马逊公布 2026 财年第三财季报告,营业总收入 2019.44 亿美元,同比增长 12%;净利润 206.85 亿美元,同比下降 2.37%。本季营业利润达 280.76 亿美元,营业利润率 13.9%,创下历史最高纪录,主要受去年同期大额投资非经营性收益的高基数影响。
芬兰警方针对谷歌子公司 Tuike Finland 在未获环境影响评估许可的情况下非法砍伐约 25 万棵树展开刑事调查。该项目隶属于谷歌在芬兰投资 150 亿美元建设 AI 基础设施的计划,监管机构已下令暂停相关准备工程,调查预计持续至 2027 年。
Epoch AI 发布研究报告,证实开源权重模型 GLM 5.3 能够独立识别并利用 Firefox 浏览器安全补丁发布的“补丁空窗期”漏洞。在限制信息仅使用版本发布时公开数据且无互联网访问的环境下,GLM 5.3 成功构建恶意网页,在用户访问时自动窃取本地文件,单版本攻击边际成本约 1000 美元。
推荐理由:研究通过 GLM 5.3 独立复现了利用补丁空窗期攻击浏览器的过程,展示了低成本自动化漏洞利用的可行性。
Alphabet市值单日下跌超过5000亿美元至3.46万亿美元,股价创六个月新低,原因是谷歌搜索默认使用AI摘要导致广告收入下滑。尽管Alphabet总营收同比增长25%至1276亿美元且云收入翻倍,但AI巨额投资导致其自由现金流降至负90多亿美元。
Alphabet 旗下 Google Cloud 第三季度营收翻倍至 307 亿美元,但 Google Search 增速放缓至 12%。财报公布后,Alphabet 盘后股价下跌超过 11%,市值蒸发逾 2800 亿美元。
Google Gemini 在聊天中新增生成、预览与编辑 PDF、Google Docs、Google Sheets、幻灯片、Markdown、TXT 与代码文件的能力,今天向所有 Gemini 用户开放,PDF 支持网页和移动端,其他格式目前仅网页可用。
Anthropic 本周提交 S-1 表格以准备 IPO,目前股价等关键财务数据尚未填充完整。 该公司控制结构及投资者沟通策略存在争议,且第三方漏洞导致其 Slack 系统被红队渗透。 OpenAI 同期宣布三项重大突破,微软向 60,000 名员工提供买断计划。
MLCommons 正式推出 Candela,一种提供按需使用的 AI 风险与可靠性基准测试服务,支持约 30 个开源模型的 Safety 1.2.1 评分公开。该系统使用私有提示词防止数据污染,通过专门的分类器而非 LLM 进行评分以确保稳定性,并允许测试包含系统提示词和 RAG 等组件的完整部署系统。
summary_zh: Alphabet 公布 Q3 财报,营收近 1280 亿美元但股价下跌近 12%。 净利润同比降低近 90 亿美元,AI 搜索收入不及预期,EPS 仅 2.12 美元低于预期的 3.02 美元。
初创公司 &Truth 获得 7000 万美元融资,利用 AI 工具将工程项目的形式化验证时间从数月缩短至半天内,成本低于 500 美元。 斯坦福研究人员 Chuyue Sun 加入该公司,其研究展示了 AI 验证 Signal 加密代码的能力,该过程被从业者形容为极度繁琐的“痛点”。 &Truth 旨在最终验证任意编程语言,但形式化验证目前仍处于原型阶段,且被一些专家认为只是“陷阱”而非万能药。
Trakkr Research 对 ChatGPT、Perplexity、Gemini、Claude 和 Google AI Overviews 引用的 1285 个统计数字进行了来源追溯,发现仅 40% 的引用能追溯到与研究结论一致的原始文献。
推荐理由:该研究通过溯源1285个统计数字,揭示了AI引用中普遍存在的“僵尸统计”现象,为评估AI数据可信度提供了实证依据。
Anthropic本周提交了S-1文件以筹备IPO,但仍需填补包括股价在内的具体数字。Google宣布推出新模型Gemini 4 Carbon,其在新的AA v5基准测试中排名第一。此外,OpenAI和Anthropic被发现在内部沟通中主要依赖Slack,且最近有白帽安全人员通过第三方漏洞进入了Anthropic的Slack工作区。
Alphabet 第三季度搜索收入同比增长 12% 至 630 亿美元,连续第二季度低于预期,而搜索查询量五年内增长最快,AI 代理正在蚕食搜索商业模式。第三季度自由现金流为 -90 亿美元,市值盘后下跌约 10%;云业务表现强劲,收入近 310 亿美元,积压订单 5600 亿美元。
谷歌母公司 Alphabet 10 月 29 日开盘股价跌超 13%,股价触及 280 美元附近,创下其史上最大单日跌幅。公司 2026 年 Q3 营收 1,276 亿美元低于预期,净利润同比下降 25% 至 261.7 亿美元,自由现金流转负 90.7 亿美元。
推荐理由:原文拆解了Alphabet单季营收、净利润与资本支出的背离,读者可以据此观察AI投入对搜索业务的挤压。
Anthropic S-1 显示其2026年上半年营收增长至$16.3B,但面临未来20年约$850B至$1T的算力与基础设施长期承诺。S-1 风险因素指出公司依赖递归自改进模式,Claude 正在人类指导下参与开发新模型,若该模式无法持续达成自动化突破,将难以满足算力承诺并实现盈利。
Microsoft 将全年资本开支预期从 $175B 下调至 $170B,Alphabet 保持在 $195B-$205B,两者均低于分析师预期。
谷歌母公司Alphabet股价周三因AI搜索变现弱于传统搜索而大跌近一成。谷歌Q3财报显示,搜索营收同比增12%至632.5亿美元,但低于去年同期的增速;高层承认AI Mode的变现率较低。
新模型发布后,业界倾向于用制作浏览器游戏代替传统跑分,以直观验证代码与交互能力。 Claude Opus 5.5等模型能生成数万行代码,实现FPS、RPG及三维城市等可玩原型。 游戏成为新的展示仪式,平衡了技术复杂度与传播的直观性,但仍存在稳定性挑战。
一款追踪 AI 基础设施融资风险的数据可视化项目上线,旨在监测数据中心建设中的过度投资信号。 项目基于公开数据,显示五大科技公司近 12 个月资本支出达 566 亿美元,AAA 级垃圾债息差升至 13.21 个百分点,Nvidia H100 租赁价降至 6.88 美元/小时。 该项目提供早期预警,帮助识别信贷风险与硬件贬值趋势,作为独立研究参考而非投资建议。
Google第三季度营收略低于预期,市值下跌约10%,主要归因于高增长的AI模式搜索产生的变现收益低于传统搜索。财报显示,搜索营收同比增长12%至634亿美元,虽创下五年查询量最高增速,但未能达到分析师预期的15%。与此同时,Google云服务实现307亿美元营收(同比激增103%),资本支出高达514亿美元。
现有主流智能体框架缺乏可靠的监控记录,难以识别违规操作及人为审批情况。 研究指出,需通过 OpenTelemetry 记录智能体身份与决策逻辑,但链式推理是否反映真实决策机制仍待解决。 欧盟与美国监管机构正呼吁开发者在部署前建立实时可见性,以防严重后果。
谷歌 Genie 4 世界模型发布,实现了根据用户动作即时生成场景及声音,并引入了物理模拟功能。文章将字节跳动的世界模型研发战略对标 Genie 4,指出张一鸣正主导将 Seedance 视频生成、Seed3D 空间建模与 Pico 硬件结合。这种策略旨在通过云端算力实现轻量化交互,推动推荐系统逻辑从分发已有内容向实时生成未发生世界的跨越。