Microsoft Research 介紹 Quine 生物學 AI 研究系統並開放 Fellows 計劃申請
Microsoft Research 介紹 Quine,一個結合生物學多模態世界模型與互動式研究流程的 AI 研究系統,並開放首屆 Quine Fellows 計劃申請。
推薦理由:Quine 將跨生物模態的世界模型接入文獻、科研工具與實驗迴圈,並以胰臟癌細胞狀態轉換案例展示預測如何進入濕實驗驗證。
Microsoft Research 介紹 Quine,一個結合生物學多模態世界模型與互動式研究流程的 AI 研究系統,並開放首屆 Quine Fellows 計劃申請。
推薦理由:Quine 將跨生物模態的世界模型接入文獻、科研工具與實驗迴圈,並以胰臟癌細胞狀態轉換案例展示預測如何進入濕實驗驗證。
Google DeepMind 推出 Gemini 3.8 Live with Live Avatar,將近乎即時視像生成與語音結合,讓企業智能體以動態虛擬形象進行多模態對話。
CAIR 在第四屆香港具身智能醫療科技論壇發佈自研多模態臨牀智能體系統 CARES 4.0,推動醫療 AI 智能體融入臨牀工作流。系統涵蓋診療、科室管理及醫學科研,並已在多家三甲醫院完成落地驗證。CARES 4.0 官網已開放,框架與通用工具包已發佈,醫療工具包陸續上線。
Michael C.S. So 分享自己管理 2 型糖尿病的經歷,並提出以 AI 協助健康管理的四種實用途徑。AI 可用於追蹤傷口和飲食、整理情緒與作息、解釋醫療資訊,以及提醒按時服藥;但不能代替醫生診斷或決定用藥。
NeoMME 推出 260M 和 800M 兩種規模的多語言多模態編碼器,並提供用於視覺文件檢索的 NeoMME-Retriever。模型從零開始以單一雙向 Transformer 處理文字 token 和原始圖像 patch;NeoMME-Retriever 單次前向傳播可輸出密集與 late-interaction 嵌入向量。
Runway 介紹 Solaris,這是其首個 Interface World Model,以逐幀即時生成介面,並根據用戶操作持續回應。與 Claude Opus 5 生成的程式化介面比較時,250 名參與者評估了 30 個互動案例;指令遵循方面,Solaris 獲 61% 偏好、程式化結果獲 24%、兩者相若佔 13%;場景自然度方面則分別為 71%、21% 和 6%。
Google Earth AI 介紹實驗性行星預測引擎(PPE),可根據自然語言查詢自主完成地理空間資料搜尋、整理、模型訓練與評估。測試中,21 項 CDC 健康指標的平均 R² 為 76.8%,高於人工專家流程的 60.0%;尼日利亞糧食安全由 ADM1 下採樣至 ADM2,R² 為 66.1%,基線為 31.5%。
Google DeepMind 推出 Gemini Omni 1.1 Flash,為影片生成加入場景延伸、首尾幀控制、影片參考輸入及 1080p 或 4K 輸出。
推薦理由:場景延伸可分析最多10秒的既有影片,並以10秒增量延長至累計40秒;配合首尾幀指定,呈現更長影片創作中的控制方式。
Google Research 提出 AgentHands,將 LLM 回應轉化為與語音同步、能配合 XR 空間場景的手勢。系統透過物件註冊、手勢事件和字級時間戳協調語音播放與動畫;研究以 N = 12 名參與者進行受試者內測試,使用蘭花護理和 3D 打印機操作任務,比較 AgentHands 與純語音基線。
Google Research 提出 Mobility-Embedded POIs(ME-POIs)框架,將匿名聚合流動模式融入地點表示,增強語言模型對地點動態功能的理解。在未見地點的測試中,到訪意向預測相對提升最高 81.9%,價格水平分類提升 75.1%,繁忙程度估算準確度提升 24.7%。
HKGAI與五豐行首度攜手亮相第36屆香港貿發局美食博覽,將本土人工智能技術融入日常飲食場景。雙方在AI智能助理「港話通」應用程式推出「拍攝識食材」功能,帶來「優質食材+AI煮法」一站式飲食體驗。
OlmoEarth Studio 新增自訂嵌入向量匯出功能,輸出可用於下游分析的 COG。使用者可設定研究區域、時間範圍、編碼器、解析度及影像來源;文章示範相似度搜尋、少樣本分割、變化檢測和 PCA 探索。以 60 個標註像素訓練的分類器取得 weighted F1 = 0.84,匯出檔可用於 QGIS、GDAL、rasterio 等工具。
Google DeepMind 發佈 SL2T 多語言手語轉文字模型,為 Gboard 和 Live Transcribe 帶來手語轉文字功能,首階段支援 ASL 至英文。
推薦理由:SL2T 以簽署者的身體姿態座標直接翻譯成文字,原始影片會即時丟棄,呈現其輸入處理方式與私隱保護設計。
Google Research 展示基於 Gemini 和 Project Astra 的 AMIE (Video),在模擬即時視像會診中,核心臨牀能力獲評與基層醫生相當。
推薦理由:研究以 300 場模擬視像會診比較 AMIE (Video)、文字版 AMIE 與基層醫生,呈現視聽感知和虛擬檢查的表現差異,並交代病人演員研究的適用邊界。
Meta 發佈 Muse Glimmer,一款由 Muse 蒸餾而來、面向本地智能體應用的多模態 30B 模型,採用 Apache 2.0 授權。模型由 2B ViT-style 視覺編碼器和 28B 文字解碼器組成,支援圖像、影片輸入及多模態工具調用。
推薦理由:文章把 Muse Glimmer 的本地智能體定位、30B 架構與 transformers、llama.cpp、vLLM 等入口連起來,提供從本地推理到託管部署的實作參考。
Mistral AI 發佈 Shieldstral,一款 3B 開放權重多模態安全分類器,可用自然語言政策評估文字與圖像,無須重新訓練。它將內容審核設計為可在推理時指定政策的二元問答,並輸出校準後的安全分數;Mistral 稱其在多項基準上匹配或超越模型規模最高達其 7x 的開放權重安全模型。
推薦理由:將審核政策置於推理時的自然語言問題中,使同一個 3B 模型可按部署情境調整文字與圖像判斷,無須重新訓練。
Runway 的 Characters 入選 SIGGRAPH 2026 的 Real-Time Live!,團隊在現場展示可由單張圖片生成、以即時逐幀方式回應對話的角色系統。團隊表示,對話可維持 30 分鐘或以上而不降質,系統逐幀生成畫面,而非循環播放影片片段。達到即時回應所需的低延遲,依靠 Characters 背後的渲染引擎,以及串流影音和逐層減少延遲的工程工作。
CAIR 與瑞臻再生醫學發布 RC-GPT V1.0,將多模態 AI 系統性嵌入 iPSC 分化製備全流程,為細胞治療生產標準化提供技術路徑。模型以四大功能模組協同支援分化監控、質量預判及批次一致性保障,並可在單卡完成訓練與推理。文章稱,該模型已完成概念驗證。
Google DeepMind 發佈 Gemini Robotics ER 2,這款面向機械人的具身推理模型可理解連續影片、編排多步任務,並支援多機械人協作。它在任務進度分類達 57.4% 準確率,關鍵時刻定位達 91.3% 準確率、平均絕對距離為 0.96s。
推薦理由:文章將影片進度追蹤與多機械人協作納入模型更新,並提供任務評測數據,讓讀者掌握 Gemini Robotics ER 2 的具身推理能力變化。
Google DeepMind 發佈 Gemini Robotics 2 系列模型,為機械人帶來全身控制、靈巧操作及多機協作能力。系列包括將視覺與語言輸入轉為動作控制的 Gemini Robotics 2、用於具身推理與多步任務規劃的 Gemini Robotics ER 2,以及可在機械人裝置本地運行的 Gemini Robotics On-Device 2。
推薦理由:全身控制、靈巧操作、多機協作與本地適配均有具體案例,呈現 Gemini Robotics 2 系列面向機械人任務的能力佈局。
InnoHK AI Chip Center for Emerging Smart Systems(ACCESS)在 LEAP East 2026 展示最新研究成果,重點包括面向 LLM 邊緣運算的硬件加速技術及 AC-Transformer accelerator series。
Runway 推出 Runway Media Router,為 Runway Dev 的每項請求自動選擇合適的影片、圖像或音訊模型,並按設定的成本、品質和延遲偏好,在符合條件的模型中進行路由。
Runway 推出 Runway Dev,為專業開發者及企業團隊提供整合多個生成式媒體模型與工作流程的 AI 媒體平台。平台包含 Models、Runway Media Router、Recipes、Workflows 及 Characters;Router 會按請求能力,以及成本、品質和延遲偏好選擇影片、圖像或音訊模型。
Google DeepMind 發佈 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber,涵蓋智能體工作流、低延遲高吞吐任務及網絡安全場景。
推薦理由:文章列出 3.6 Flash 與 3.5 Flash-Lite 的速度及成本指標,並説明 Cyber 模型將透過有限試點提供,呈現不同工作負載的部署差異。
香港大學三位學者獲研究資助局 2026/27 學年高級研究員計劃及研究員計劃資助,研究涵蓋 AI 地理空間測繪、醫療生物打印和黑洞天體物理。梁順林教授將結合衞星觀測、地圖及地理空間數據,開發多模態 AI 工具,生成即時社會經濟指標。方宣來教授和戴利新教授的項目分別聚焦生物打印模型,以及超愛丁頓吸積物理。
R/GA 利用 Runway API 的 Characters 建立 Bob Greenberg 的即時 AI 虛擬形象「Forever Founder」,呈現創辦人的理念與公司歷史。團隊表示,項目很快便達到約 90% 的進度,其後透過調整提示詞、重新訓練語音及完善知識庫逐步修整。現時示範仍是原型,長遠計劃是讓全球員工可在線使用,並納入更多公司歷史和數據。
Google Research 提出 SensorFM 大型感測器基礎模型,以來自五百萬名參與者的逾一萬億分鐘未標註穿戴式裝置訊號學習通用生理表徵。凍結模型編碼器後訓練的線性探測,在 35 項健康任務中的 34 項勝過特徵工程監督基線。在 31 份參與者檔案的評估中,加入 SensorFM 預測提升個人健康智能體摘要在五個評分維度的表現;與以真實測量值作依據的摘要評分則沒有統計顯著差異。
Mistral AI 發佈 8B 模型 Robostral Navigate,讓機械人根據 RGB 圖像和自然語言指令自主導航。模型在 R2R-CE 已見及未見驗證集分別取得 79.4% 和 76.6% 成功率;未見集成績較最佳單相機方案高 9.7 個百分點,較採用深度感測或多相機的最佳系統高 4.5 個百分點。
Runway 宣佈與 Bertelsmann 建立創意合作夥伴關係,將 Runway 的 AI 模型整合至 Bertelsmann 全球業務組合。雙方自 2024 年起透過 Bertelsmann AI Hub 合作,並將共同開發及推行 AI,應用於 Bertelsmann 的創意工作流程。
香港科技大學與香港科技大學(廣州)舉辦 SURREALITY MR × AI 數碼藝術跨城展覽,展示兩校跨地域融合藝術與科技的創作。展覽匯集逾70位來自23個國家及地區的數碼藝術家作品,兩校共展出近50件作品。展覽明日起在香港科技大學(廣州)展出至2026年7月31日,之後將返回香港與公眾交流。
Google Research 分享兩項關於皮膚狀況 AI 的研究,發現 AI 輔助能提高參與者辨認病況的能力,但標準 AI 組判斷後續步驟的準確度沒有顯著提升。
Google DeepMind 發佈 Gemma 4 12B,定位為可在筆記型電腦本機運行的多模態模型,並為中型模型加入原生音訊輸入。它採用免多模態編碼器架構,將視覺和音訊輸入直接整合至 LLM backbone;標準基準表現接近 26B MoE,總記憶體佔用不足其一半。Gemma 4 12B 以 Apache 2.0 授權釋出,可透過 LM Studio、Ollama 等工具試用。
推薦理由:Gemma 4 12B 的免編碼器設計、接近 26B MoE 的基準表現與較低記憶體佔用,提供比較中型多模態模型架構和本機部署定位的具體依據。
編碼智能體串接兩個 Hugging Face Spaces,生成巴黎地標圖像及 3D Gaussian splats,並將畫廊部署為靜態 Space mishig/monuments-de-paris。
推薦理由:案例展示了透過 Hugging Face Spaces 的 agents.md 串接圖像生成與單圖 3D 重建,並以各一句提示複用到日本及埃及主題畫廊,呈現多媒體工作流的可遷移性。
NVIDIA 發佈 Nemotron 3.5 Content Safety,將多模態輸入、多語言覆蓋、自訂企業政策與可審計推理整合至單一 4B 模型。模型基於 Google Gemma 3 4B IT,明確訓練覆蓋 12 種語言,並承接其約 140 種語言的 zero-shot 泛化;可選 THINK mode 會輸出推理軌跡。
推薦理由:Nemotron 3.5 將多模態判定、自訂政策和可審計推理整合於 4B 模型,並附訓練資料集,提供企業安全審核的部署參考。
Google DeepMind 推出 Gemini Omni 系列首個模型 Gemini Omni Flash,可結合圖像、影片、文字及語音參考生成影片,並支援透過對話編輯。
推薦理由:材料把 Gemini Omni Flash 的多模態輸入、對話式影片編輯和分階段上線平台放在一起,便於理解新模型如何連接生成能力與實際使用入口。
Google DeepMind宣佈在新加坡推出多項AI合作計劃,並參與Google與新加坡政府的全國AI夥伴關係。計劃涵蓋醫療與生命科學、科研、教育及可持續發展,並推進多模態與多語言安全基準研究;Gemini for Education已提供予小學至初級學院的所有教育工作者。
Google DeepMind 發佈 Gemini 3.5 模型系列,首款 Gemini 3.5 Flash 即日起透過 Gemini app 和 Google Search 的 AI Mode 向全球用户開放。
推薦理由:Gemini 3.5 Flash 列出代理任務、編碼及多模態基準成績,並比較每秒輸出 tokens 的速度,讓性能主張有多項指標可供對照。
Runway Characters 建立在 GWM-1 上,可把單張參考圖片轉化為具豐富表情的對話影片角色,並以 24fps 生成 HD 影片。模型每幀有效運算時間為 37 毫秒,伺服器端由用戶停止説話至角色開始回應需時 1.75 秒;系統透過逐幀生成及擴散 Transformer 與 VAE 解碼器並行處理,實現即時生成。
Google DeepMind 宣佈 AI co-clinician 研究計劃,探索讓 AI 在醫生專業監督下協助患者照護。在 98 個基層醫療問題的評估中,97 個案例錄得零項嚴重錯誤;在開放式藥物問答中,系統表現勝過可用的前沿 AI 系統。
推薦理由:文章並列呈現 AI co-clinician 在證據整理、藥物問答和多模態問診的測試結果,並以醫生整體表現較佳界定其臨牀輔助定位。
香港浸會大學交響樂團在東九文化中心舉行「Live Music ReIMAGINEd」年度音樂會,結合即時 AI 視覺、電子音樂改編及人形機械人 Sophia,探索現場音樂與藝術科技的融合。Sophia 與樂團演出三首原創歌曲,音樂會亦首演為浸大 70 週年創作的《Birthday Fantasia》。