谷歌人工智能气象模型更新提升预报准确率
谷歌人工智能气象模型的一项更新提高了天气预报的准确率。与传统气象模型一样，该模型也能从更丰富的输入数据中受益。
AI 新闻中心
AI 新闻中心 过去一年分析了 1729 篇文章，发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。
OpenAI称无法排除去标识化数据曾帮助改进其模型
OpenAI表示，尽管可能性不高，但无法排除从Buckmaster和Alpöge使用其产品的过程中获得的去标识化数据曾帮助改进其模型。描述还提到一份用Lean形式化的证明，以及一个据称解决纳维–斯托克斯存在性问题的方案。
Meta押注AI代理Muse，力争在人工智能竞赛中迎头赶上
Meta推出个人助理Muse，再次尝试将人工智能带给大众。公司表示，Muse可以让几乎所有人都使用AI。这款产品是Meta数十亿美元战略重组的一部分，旨在重振公司在人工智能竞赛中不断下滑的地位。
OpenAI推出ChatGPT Images 2.5，称图像生成速度最高提升50%
OpenAI推出了ChatGPT Images 2.5。公司表示，新模型的图像生成速度比Images 2.0最高快50%。此次更新还增加了Sketch功能，用户可以直接在ChatGPT中绘图。关于延迟改善的数据来自OpenAI自身的说法，报道未提供独立验证结果。
ChatGPT Images 2.5 发布：实测三项真正实用的新功能
OpenAI 已将 ChatGPT Images 图像工具更新至 2.5 版。经过 24 小时测试，文章重点介绍了三项对用户尤其有用的改进。这次更新看起来属于现有 AI 图像生成工具的常规升级；原始描述没有提供具体技术细节，也未给出独立的性能对比。
人工智能生成的纳维–斯托克斯千禧年大奖问题解答
该消息分享了一份由人工智能生成的纳维–斯托克斯千禧年大奖问题解答，并附有文字说明和使用 Lean 形式化的证明。内容提出了可能取得数学突破的主张，但尚未证明该证明正确，也未显示其经过独立验证。
OpenAI称内部模型解决了纳维–斯托克斯问题
OpenAI表示，其一款内部模型利用1万个并行运行的智能体，在88小时内解决了数学界的纳维–斯托克斯千禧年难题。据称，该模型的能力显著强于“GPT-6 Astra”。不过，这一说法尚未得到公开验证，也没有经过独立评审的证明可供查验。
OpenAI否认研究人员或模型看过Buckmaster和Alpöge的提示词，称得知Anthropic取得突破后投入数百万美元算力
OpenAI否认其研究人员或模型看过Buckmaster或Alpöge的提示词。该公司表示，在得知Anthropic取得突破后，投入了数百万美元购买计算资源。这家前沿人工智能实验室的重大公告，因涉嫌不当行为的指控而受到掩盖。
数学家指称 OpenAI 使用内部模型解决纳维–斯托克斯问题
数学家特里斯坦·巴克马斯特称，OpenAI 获悉他与 Anthropic 的勒文·阿尔珀格在纳维–斯托克斯方程方面的研究后，使用内部模型解决了这一问题。该说法目前尚未得到证实，也不能视为已确认的技术突破。巴克马斯特将这一疑似成果比作 1997 年 IBM 的深蓝击败加里·卡斯帕罗夫。
因果基础模型
因果推断旨在根据数据估计治疗或干预的效果。传统方法通常需要针对每个新问题设计专门流程，包括提出因果机制、选择匹配的估计器并进行训练。因果基础模型将大规模预训练模型的范式引入因果推断。这类神经网络能够通过上下文学习，在完全新的数据集上估计平均处理效应等因果量，无需更新模型。该工作以实践为导向介绍这一新兴领域，概述因果推断和机器学习的必要基础，并提供示例代码和 Jupyter 笔记本。
利用上下文集成统一保形语言任务
这项研究提出了 Conformal Relevance 框架，通过结合上下文学习示例筛选与集成方法，为文档内容建立相关性评分。该框架面向摘要生成、抽取式问答等自然语言处理任务，旨在保留足够的关键信息，同时尽可能去除无关内容。现有先进评分方法通常依赖人工设计的提示词，让大语言模型评估内容的重要性。新方法减少了人工提示工程，在保持保形覆盖率的同时提高了内容的简洁性。研究在七项 NLP 任务上进行了验证
“我也想站在前沿”：Gemini 用户开始怀疑 Gemini Pro 4 永远不会发布
据称 ChatGPT 6 Astra 和 Claude Fable 5.1 已经发布，这让 Gemini 用户开始怀疑 Google 是否还会推出 Gemini 4 Pro。文章还质疑 Google 的 AI 战略是否已经迷失方向。文中提到的模型名称及相关判断尚未得到证实，应视为推测。
谷歌 DeepMind 推出 AlphaGenome Atlas，覆盖 90 亿种人类单核苷酸变异预测
谷歌 DeepMind 推出 AlphaGenome Atlas，这是一个约 1 PB 的数据资源，预先计算了人类基因组中约 90 亿种可能单字母变化的分子影响。该图谱基于 AlphaGenome 和 AlphaMissense，涵盖数百种人类和小鼠细胞类型及组织中的基因调控、蛋白质影响等预测。新的 AlphaGenome Variant Impact 评分将两个模型的结果整合为单一数值，帮助研究
安全是为了谁？面向受控大语言模型安全拒答的边界感知自蒸馏
该研究考察具有狭窄边界的安全对齐：模型可能需要拒绝有针对性的政治操纵，同时仍回答关于同一场选举的事实性问题。研究提出一种离线自生成框架，结合受控主题生成、覆盖度修复、分布内补偿数据，以及有害—无害配对数据。在 Qwen3-8B 上，目标领域的拒答率从9.47%提升至84.75%，三个更广泛有害性基准中的平均不安全响应率从26.26%降至0.14%。但XSTest中的过度拒答率从2.00%升至74.
谷歌人类基因组图谱或为新疗法铺路
Google DeepMind发布了一款名为AlphaGenome Atlas的人工智能工具。该公司的研究人员称，这个平台有望帮助揭示人类基因组的运作机制，加速生物学研究，并最终推动疾病新疗法的开发。平台包含一张预测图，用于展示DNA各个碱基可能发生的变化。不过，其直接的医疗价值目前尚未得到证实。