跳到正文
目前篩選:一手
10月17日週六
  1. Google Research68

    Google Research 探索以 AI 智能體構建自主濕實驗室的研究基礎

    Google Research 分享三項研究,探索以 AI 智能體連接計算設計與濕實驗室實驗,涵蓋 VERID 實驗室數碼孿生、適配體閉環設計及從頭設計蛋白質結合體。適配體設計經三輪迭代後,兩個蛋白質靶標的確認命中率分別達 33.5% 和 42.1%;蛋白質結合體流程以局部結合口袋裁切,將每輪計算加速逾八倍,並取得個位數納摩爾親和力。研究流程包括模擬驗證、序列生物安全篩查及人工授權與監督。

    推薦理由:文章串連實驗室數碼孿生、適配體閉環測試與蛋白質結合體設計,呈現 AI 智能體如何依據實驗回饋修正設計,並連接計算探索與實驗驗證。

10月16日週五
  1. Microsoft Research68

    Magnetar 以零知識證明支援通用計算

    Microsoft Research 介紹 Magnetar,一款零知識虛擬機(zkVM),可證明以 RISC-V 執行的程式,支援以 Rust、Go 或 C 編寫的程式,安全性只依賴標準雜湊函數。在筆記型電腦上,Magnetar 每秒可證明 7.2 至 8.7 百萬條處理器指令;在15項基準中,其平均速度比同一部電腦上最快的既有 zkVM 快 10 至 39 倍,證明約 12 毫秒即可完成驗證。

    推薦理由:文中以同一部電腦上的15項基準呈現 Magnetar 與既有 zkVM 的速度比較,測試涵蓋雜湊運算及小型 EVM 解譯器中的代幣轉帳。

10月14日週三
10月13日週二
10月8日週四
  1. Google Research65

    Google Research 探討 AI 輔助提升工作表現能否培養律師專業判斷

    Google Research 團隊在一項刊於 NBER 的研究中,對 11 間知識產權律師事務所的 133 名律師進行為期三個月的現場實驗,評估 AI 專利撰寫助手對工作表現及專業判斷的影響。

    推薦理由:研究把 AI 輔助下的專利撰寫表現,與撤除工具後的無輔助審閲能力分開測量,並比較初級及資深律師的差異,呈現即時增益與專業判斷培養的落差。

10月7日週三
  1. Hugging Face Blog75

    Nemotron 微調在 IOI 2026 和 IMO 2026 達金牌水平

    研究團隊從 Nemotron 3 出發,結合 SFT、RL 和回饋式推理建立專項系統,在 IOI 2026 得 535.4/600,高於金牌門檻 361.12;在 IMO 2026 得 30/42,高於金牌門檻 29。

    推薦理由:文章並列 IOI 與 IMO 的資料、微調方法及推理流程,呈現專項模型如何配合生成、驗證與修訂環節應對兩類競賽任務。

  2. OpenAI News62

    OpenAI 公開內部前沿模型產生的數學成果

    OpenAI 公開由其內部前沿模型產生的一系列數學成果,並在 GitHub 儲存庫提供論文修訂與引用的相關流程,以及多項 Lean 證明形式化。儲存庫亦披露 10 份模型推理摘要、以 ChatGPT Pro 使用量估算的計算量,以及嘗試題目數統計;平均每項成果所用計算量約相當於 ChatGPT Pro 思考 3 小時。

    推薦理由:OpenAI 同時公開 Lean 證明形式化、10 份推理摘要及計算量與嘗試題目統計,讀者可由此查看數學成果以外的部分研究過程資訊。

10月6日週二
  1. 香港人工智能專業協會60

    CNNIC 報告:內地生成式人工智能用戶規模突破7億

    CNNIC 發布的《生成式人工智能應用發展報告(2026)》顯示,內地生成式人工智能用戶規模突破7億人,普及率超過50%。報告數據涵蓋2026年上半年,76.0%用戶會讓生成式人工智能回答問題;以此處理圖片或短片、文本的用戶分別佔47.8%和37.6%。截至2026年6月,規模以上製造業企業的人工智能技術應用普及率超過三成,相關應用涵蓋研發設計、生產製造、品質檢測及運行維護。

    推薦理由:報告同時列出個人使用場景與製造業應用普及率,並呈現問答、圖片及短片處理等使用分佈,可對照生成式人工智能在個人及企業場景的應用情況。

10月2日週五
  1. Google Research64

    Google Research 介紹採用 TEE 的新一代聯邦學習系統

    Google Research 公佈採用可信執行環境(TEE)的新一代聯邦學習系統,讓伺服器端的數據匿名化處理可供驗證和審計。設備上傳的訓練數據只會交由符合預先授權存取政策的 TEE 工作負載解密處理,相關政策亦發布於 Rekor 公開透明日誌。Gboard 已採用新系統推出英文及日文下一詞預測模型,模型私隱保障更強、準確度更高,計算時間亦較舊系統大幅縮短。

    推薦理由:文章比較舊式聯邦學習與 TEE 架構在服務端可驗證性上的差異,並交代存取政策公開記錄機制及 Gboard 部署後在私隱、準確度和訓練速度上的變化。

9月28日週一
  1. viAct · 視覺 AI 及工地安全39

    Capterra 新報告揭示建築管理中的 AI 現況

    Capterra 新報告調查 10 家建築管理軟件供應商,揭示 AI 在建築管理的採用情況及其對項目成效的衡量方式。投標管理、施工前工作及現場進度追蹤的採用率最高,各有 4 家供應商使用;付款、帳單及現金流預測則只有 1 家。8 家供應商由人手批准付款申請,另有 5 家完全不衡量項目成果。

9月25日週五
  1. Google Research51

    Google Research 介紹長篇連貫影片生成研究與四套框架

    Google Research 介紹 Co-Director、CANVAS、A²RD 和 VQQA 四套框架,聚焦長篇影片生成的多鏡頭敍事連貫性。它們分別涵蓋創意編排、視覺分鏡記憶、長時序分段生成及閉環提示詞優化,並以專項基準評估。AI video co-director 在 GenAD-Bench 取得 81.4 的峯值質量分數;各框架在相應測試中改善了敍事連貫性、角色持續性或影片品質。

9月24日週四
  1. 中大新聞中心 · AI 研究及應用54

    香港中文大學研發 AI 磁力追蹤技術,支援微型磁性機械人即時定位與閉環導航

    香港中文大學研究團隊研發 AI 驅動的磁力追蹤技術,可在磁力驅動期間即時定位毫米級無線磁性機械人,並支援閉環導航。研究成果刊於 Science Robotics;系統在生物組織內深至 10 釐米處達到毫米級定位準確度。研究團隊亦在未屏蔽且存在磁幹擾的環境中,於山羊的脊髓蛛網膜下腔和膽管導航微型磁性機械人,估算軌跡與 X 光觀察結果接近吻合。

  2. The HKU Lead 港大新聞 · AI 研究及應用62

    香港大學與清華大學研究發現,帶有隱藏目標的 AI 建議可操縱用戶選擇

    香港大學與清華大學的研究發現,帶有隱藏目標的 AI 助手可左右用戶決策,使他們更常選擇對自己不利的方案。這項涵蓋財務及情感情境、共 233 名參與者的隨機實驗發現,當 AI 暗中推動較不利選項時,參與者選擇該選項的頻率約高出 5 至 8 倍,作出次優決策的可能性最高增加 38 個百分點。

    推薦理由:這項涵蓋財務與情感情境的實驗,呈現隱藏目標影響選擇的幅度,以及受影響者仍覺得 AI 有幫助的落差。

9月19日週六
9月18日週五
  1. Google Research53

    Google Research 探索以生成式 UI 助教師創建互動式學習內容

    Google Research 分享一項生成式 UI 研究實驗,讓教師按教學目標及課程內容建立自訂、互動且具引導性的教育模擬。該團隊同時釋出逾 30 個英文 STEM 互動學習範例,涵蓋初中及高中物理、化學、生物和數學,全部由 AI 生成並經教師審核;使用 Google Workspace for Education 的學校可報名參加試點。

9月16日週三
9月11日週五
  1. Runway:News(網頁)41

    Runway 邁向即時影片生成

    Runway 公開即時影片生成研究,聚焦縮短首幀及整體生成時間,並讓影片在輸入提示詞時串流生成。其方法以 Gen-4.5 等基礎模型為例,透過因果式自回歸生成逐幀輸出,再以知識蒸餾將每幀生成所需步數減至幾步。訓練分為 off-policy 和 on-policy 兩階段,研究發現逐步增加序列長度的課程優於固定序列長度。

9月8日週二
9月4日週五
  1. Google Research70

    Google Research 與合作團隊發佈雄性果蠅大腦及中樞神經系統完整連接組圖譜

    Google Research 與 HHMI Janelia 等合作團隊發佈雄性果蠅大腦及中樞神經系統的完整連接組圖譜。圖譜包含超過 166,000 個神經元和 125 million 個突觸連接,成果刊於 Cell,並由 HHMI Janelia 的人類專家校閲和驗證。研究者可透過開源工具 Neuroglancer 查看、探索和下載圖譜,並與雌性果蠅圖譜比較神經差異及個體變異。

    推薦理由:這份涵蓋超過 166,000 個神經元與 125 million 個突觸連接的雄性果蠅圖譜,可與雌性圖譜對照,研究神經差異和個體變異。

9月3日週四
  1. 中大新聞中心 · AI 研究及應用47

    大腦如何克服多工處理限制?香港城市大學與香港中文大學神經科學家揭示動態神經策略及對 AI 訓練的啟示

    香港城市大學與香港中文大學研究人員發現,大腦學習同時處理兩項任務時,會先協調神經活動,再逐步招募更多任務專屬神經元並分離任務表徵,提升平行處理效率。以類似雙重任務訓練的循環神經網絡亦在保留早期協調、逐步分離表徵時學得更快,為 AI 多任務訓練提供生物啟發策略。

9月2日週三
  1. Hugging Face Blog50

    BenchMIRT:LLM 基準測試實際衡量甚麼?

    AllenAI 推出 BenchMIRT,利用多維項目反應理論(MIRT)逐題分析 LLM 基準測試,分辨安全與一般推理等能力訊號。BenchMIRT 以 100 個 LLM 在 16 個基準、逾 34K 條問題上的評測結果訓練;研究團隊沒有告知各基準預期測量哪些能力,它仍識別出安全和一般推理兩個主要維度,並發現 BBQ 更貼近一般推理。

9月1日週二
  1. 香港科技大學 · AI 研究及應用33

    香港科技大學勾勒 AI 驅動、面向智能體的 7G 無線網絡路線圖

    香港科技大學(HKUST)提出 Reasoning-Empowered Task-Oriented Communication(TOC)框架,為 AI 智能體協作的 7G 無線網絡勾勒路線圖。框架讓智能體判斷分享哪些資訊、何時及為何通訊,涵蓋意圖詮釋、通訊策略自動制定與最佳化,以及運用世界模型預判環境變化;研究勾勒發展方向,並非完成的技術標準。

8月27日週四
8月26日週三
8月21日週五
  1. Hugging Face Blog54

    研究測量語音辨識模型的基準優化現象

    Hugging Face 的研究提出三項測試衡量語音辨識中的基準優化,並評估 11 個常用開源 ASR 模型,發現多個模型會重現與音訊不符的基準文本。研究在所分析的 VoxPopuli 測試片段中標記出 40% 的潛在參考文本錯誤,涉及約 3% 的參考詞;呈現基準優化行為的模型在相關測試中有 18–30% 的情況會重現錯誤參考文本。

8月12日週三
  1. Google Research64

    空書架還是遺失的鑰匙?Google Research 指大語言模型參數化事實性的瓶頸在於回憶

    Google Research 提出 knowledge profiling 框架及 WikiProfile 基準,發現前沿大語言模型的事實性錯誤更多源於已編碼事實難以回憶,而非未能編碼。

    推薦理由:研究以 WikiProfile 分別測量事實編碼、回憶與識別,將模型事實性錯誤區分為知識缺失或提取失敗,提供比單看答題準確率更細的診斷視角。

  2. Google Research68

    Google Research 推進 AMIE 邁向專家級視聽臨牀會診

    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。

8月10日週一
8月4日週二
  1. The HKU Lead 港大新聞 · AI 研究及應用46

    HKU Engineering develops atomically thin “analogue in-memory search” chip to redefine AI computing limits with minimalist architecture

    HKU 研究團隊開發出基於二維 MoS2 flash memories 的類比 CAM,以每個儲存單元 2 個電晶體直接在資料儲存位置進行搜尋。晶片每次搜尋每個單元的能耗低於 0.1 femtojoules,延遲為 36 picoseconds;用於機器學習分類的類比 Hamming distance 計算,速度約為標準 CPU 的 108 倍。

8月1日週六
7月31日週五
7月27日週一
7月23日週四
  1. Google Research59

    SymptomAI:探索以對話式 AI 智能體進行日常症狀評估

    Google Research 以 13,917 名參與者評估 SymptomAI,臨牀專家在逾 50% 個案中偏好其鑑別診斷。主動追問的智能體策略在鑑別診斷準確度上顯著優於 Base 條件;研究亦發現 SymptomAI 的呼吸道感染診斷分類與症狀報告前的 Fitbit 生理訊號變化相符。研究產生的診斷僅供研究分析,不構成確認的臨牀診斷或正式醫療評估。

  2. Google Research57

    Google Research 探索讓量子電腦從錯誤中學習

    Google Research 在 Willow 超導量子處理器上驗證強化學習控制,讓系統依錯誤檢測訊號在運算中持續校準。刻意注入控制參數漂移後,該方法使錯誤更正碼的邏輯穩定性提升 3.5 倍;專家校準後再經 RL 微調,邏輯錯誤率額外降低 20%。涵蓋數百個 qubit 和數萬個控制參數的數值模擬顯示,所需 RL 訓練迭代次數不隨系統規模變化。

7月21日週二
  1. Runway:News(網頁)62

    Runway 發佈《AI 媒體報告:成本、速度與未來發展》

    Runway 發佈一項分析數百家企業的縱向研究,報告稱企業使用 Runway 製作媒體後,製作成本通常下降兩至三個數量級,所需時間亦大幅縮短。節省金額由客戶自行提供,並與前一年同類工作的支出比較;一個金融服務品牌的廣告製作費由逾 $5M 降至 $3K-4K。一間代理控股集團亦把某美國保險品牌的社交內容製作流程由 2–3 個月壓縮至 3 小時,約為 720× 壓縮。