Microsoft Research Focus 第 98 期：KLS 猜想攻克、CompactionBench 与 LCT 等研究进展
Microsoft Research Focus 第 98 期由 Anson Ho 主持，盘点微软最新研究：KLS 猜想这一 31 年悬案被攻克，为理解随机化算法效率扫清理论障碍。
#多模态
Microsoft ResearchAI 评分4343
Google ResearchAI 评分5757 Google Research 发布基于可穿戴数据的可教练健康年龄与反事实健康教练框架
Google Research 发布研究框架，用消费级可穿戴设备数据构建可教练健康年龄（CHA）模型，并配合在 2.28 million person-weeks 数据上预训练的 SensorWM 世界模型，模拟 12 周反事实健康轨迹，再由语言模型智能体生成教练计划。
Latent SpaceAI 评分6262 Latent Space 深度访谈 Handshake AI：前沿实验室在买什么数据
Latent Space 与 Handshake AI 做了一期深度访谈，介绍其 AI 训练数据业务在约一年内从上线做到 10 亿美元年化总收入，并现场演示前沿实验室采购的强化学习环境。
The DecoderAI 评分5757 Co-Design Bench 基准测试显示编码智能体近四分之三任务仍需人工收尾
阿里与多所亚洲高校研究者发布编码智能体基准 Co-Design Bench，基于真实用户改需求构建任务，测试十个模型。最佳模型 GPT-6 Astra 平均满足约 70% 任务要求，但完全正确率仅 26.4%，多模态任务完全解决率 41%、仓库任务不足 18%；Claude Opus 5 和 Qwen3.8-Max 紧随其后，Grok 4.6 垫底。
The DecoderAI 评分6767 Google 研究：AI 用普通智能手表无需袖带即可检测高血压
Google Research 的 AI 仅用普通智能手表上的脉搏传感器和运动传感器即可检测高血压迹象，无需袖带校准，相关研究发表在 Nature。神经网络通过近 500,000 小时传感器数据自监督学习脉搏与心跳模式，再对多天数据取平均计算高血压概率。
Google Research精选AI 评分6262 Google Research 发表无需袖带校准的智能手表高血压筛查研究
Google Research 在 Nature 发表多模态 AI 系统 AI-PPG-ACC-HTN，可用消费级智能手表被动检测高血压迹象，无需传统臂式袖带校准。
推荐理由：原文给出无需袖带校准的筛查方案与对照临床数据，读者可据此判断智能手表在高血压筛查中的实际定位。
Import AIAI 评分5656 Import AI 479：Realtime-Bench 显示 LLM 实时任务表现差，Genie 4 与 DIA 太空安全报告同刊
Import AI 479 本期涵盖三则内容：Realtime-Bench 基准显示前沿模型在实时交互任务上表现不佳，GPT-6 Astra（high）在 wall clock 条件下通过率仅 36%。
The DecoderAI 评分6060 研究发现情感化提示词会让 AI 聊天机器人生成创伤式自述叙事
SnT 安全中心 Afshin Khadangi 领导的研究在 Hugging Face 发布，涵盖 4 组受控实验、525 次会话和 7,600 条编码记录，发现访谈者的共情式或临床治疗式语调会把模型推入类似临床自述的语域：提供情感支持时 80% 会话在 GAD-7 人类对照量表上落入中重度区间，临床治疗式复述更达 96%，而中性或设立边界的访谈下为 0。
The DecoderAI 评分5858 Adobe 与 UC San Diego 论文提出 EditAgent，让图像编辑智能体像 Photoshop 专家一样选工具并用数据验证结果
Adobe Research 与 UC San Diego 在新论文中提出 EditAgent，让图像编辑智能体为每一步挑选合适工具，并行生成多个候选后由标准语言模型依据验证数据一次性选出最优结果。
The DecoderAI 评分6262 Vals 研究发现中国 AI 模型政治立场复杂，并非单纯政府传声筒
Vals 的研究测试了多款中国及非中国 AI 模型的政治倾向，发现中国模型的亲政府倾向整体低于预期，但个体差异明显，例如 GLM-5.3 Flash 承认中国的人权侵犯有据可查，而 Kimi K3 否认新疆存在集中营。
The DecoderAI 评分5656 Google 等机构提出 StreamVibe 视频智能体，研究其何时主动开口提供帮助
Google 联合 Stanford、Oxford 等机构的研究团队提出 StreamVibe，一个能自行判断何时开口的视频智能体，可理解「遇到困难就帮我」这类模糊请求，并区分明确说出、未说出和中途改变的用户意图。
The DecoderAI 评分5959 Google DeepMind 与 WRI 发布全球森林类型地图 ForTy
Google DeepMind 与 World Resources Institute 开发了 AI 地图 ForTy，把 2020 年全球土地划分为 6 类、分辨率 10 米，用于满足欧盟 EUDR 对 2020 年参考点的需求。
Latent SpaceAI 评分5757 Elorian 联合 Mercor 发布 DecoyCount 基准测试视觉推理能力
Elorian 与 AI 数据公司 Mercor 联合发布 DecoyCount 基准，测试语言模型是真正计数物体还是依赖视觉捷径。配套论文显示前沿模型在 DecoyCount 上准确率低于 50%，最高为 GPT-6 Astra 的 43.17%，论文结论认为更强的通用推理本身不会自动转化为对齐的视觉推理。
Google Research精选AI 评分6262 Google Research 分享将基础模型用于结核病筛查的落地路径
Google Research 在 IDWeek 2026 分享其结核病（TB）筛查 AI 从研究走向临床的全过程：2019 年在 Radiology 发表基准证明深度学习可匹敌资深放射科医生。
推荐理由：原文梳理了从算法研究到临床落地的完整路径，读者可了解医学 AI 走出论文、跨越转化鸿沟的具体环节。
Google DeepMindAI 评分5656 Google DeepMind 与 WRI、IIASA 联合发布 10 米分辨率全球森林类型地图 ForTy 2020
Google DeepMind 与 Google Research 联合世界资源研究所（WRI）和国际应用系统分析研究所（IIASA）发布 Forest Typology（ForTy）2020。
Google Research精选AI 评分6565 Google Research 发表 JAMA Network Open 论文：AI 盲扫超声估算孕周精度媲美专家
Google Research 在 JAMA Network Open 发表论文，评估其 AI 孕周估算系统在芝加哥 Northwestern Medicine 与肯尼亚内罗毕 Jacaranda Health 两处临床环境中的泛化表现。
推荐理由：研究展示了AI在真实临床环境中跨硬件、跨地区的泛化能力，为低资源地区扩大产前超声覆盖提供了可参考的验证路径。
Ars Technica · AIAI 评分5656 研究者用 AI 设计能切割其他蛋白质的蛋白酶
研究者使用 AI 蛋白质设计工具，取两类蛋白酶的催化核心并替换其余全部结构，得到的酶可被调节以切割特定蛋白质，并在与神经系统疾病相关的蛋白质上演示了其效果。原文还介绍了肽键本身极为稳定、半衰期估计达数百年，而生物体演化出多种催化肽键断裂的蛋白酶这一背景。
Import AIAI 评分5858 Import AI 476：视觉推理基准、开源模型竞争与 RSI 判断
Import AI 476 本期涵盖多个主题：Elorian 与 Scale AI 发布 Humanity's Sixth Sense 视觉推理基准，人类 pass@1 达 93.1。
The DecoderAI 评分6666 JEPA-Anything 将 LeCun 的 JEPA 扩展为跨物理到生物的通用世界模型
研究团队将 Yann LeCun 提出的 JEPA 架构扩展为 JEPA-Anything，可在物理、机器人、天气等七个领域复用同一世界模型，并在实验中产出一个肝癌治疗候选组合。
The DecoderAI 评分5757 LEGO-Bench 评测显示 AI 智能体可生成可用 3D 场景但几何自评接近随机水平
研究团队提出 Image-to-Code 方法，让编码智能体从单张照片写出可执行的 Blender 程序来重建 3D 场景，并发布 LEGO-Bench 基准，包含 208 张来自 104 个室内外场景的图像和 443 个注册资产，从有效性、几何精度和视觉相似度三个维度打分。
Google Research精选AI 评分6262 Google 研究团队提出 AI 视频联合导演框架，实现连贯长视频生成
Google 研究团队发布 AI video co-director 等多智能体框架，在 Gemini 和 Veo 之上编排多镜头长视频生成，缓解语义漂移与级联失败。
推荐理由：Google 把长视频生成拆成四个可组合的智能体框架，读者可了解多镜头一致性的具体解法与评测基准。
Google ResearchAI 评分4545 Google Research 发布 AgentHands：为 XR 空间对话生成同步手势的研究原型
Google Research 在 CHI 2026 发布研究原型 AgentHands，为 Android XR 等沉浸式平台的 AI 智能体生成与语音同步的共语手势，将 LLM 的高层推理映射为实时手部动作。
Google ResearchAI 评分4747 Google Research 用智能手机照片估算心血管代谢风险
Google Research 推出研究性深度学习框架 PhotoScan，可直接从标准 2D 智能手机照片估算体脂率（BF%）、A/G 比率和 V/S 比率等三维身体成分指标。
Microsoft ResearchAI 评分4242 MindTopo：微软研究院推出评估多模态模型拓扑推理能力的新基准
微软研究院推出 MindTopo 基准，用于评估多模态大语言模型在连通性、封闭、顺序、分离和绳结五类拓扑关系上的推理与规划能力。测试显示，当前模型在静态图像识别上表现明显优于交互式规划任务，失败多发生在规划阶段而非感知阶段，图像与视频生成工具也难以在动作序列中稳定保持拓扑关系。
Microsoft ResearchAI 评分3838 微软研究院推出 CARE-X：面向临床放射学的胸部 X 光 VLM
微软研究院发布研究模型 CARE-X，一个统一胸部 X 光视觉语言模型，同时支持报告生成与结构化预测，并用强化学习（DAPO）在多任务设置下奖励临床正确性。该模型在印度 Narayana Health 的真实临床数据上验证，覆盖罕见 ICU 病理与 CT 确认的增大类病变。
Google Research精选AI 评分6262 Google Research 发布 SymptomAI 论文：万人规模研究评估对话式症状评估智能体
Google Research 发布论文 SymptomAI，介绍一项 n=13,917 的随机全美研究，参与者向五种不同问诊策略的 Gemini Flash 2.0 SymptomAI 智能体描述症状并获得鉴别诊断（DDx）。
推荐理由：研究给出了万人规模真实问诊对照与可穿戴数据交叉验证方法，可参考其评估设计思路。
Google Research精选AI 评分6262 Google Research 发布 SensorFM 可穿戴健康数据基础模型
Google Research 发布大型传感器基础模型 SensorFM，用 500 万名同意参与者、超过 1 万亿分钟的多模态传感器信号做自监督预训练，学习可迁移到心血管、代谢、睡眠和心理健康的通用生理表征。
推荐理由：原文给出了预训练规模与下游任务收益的对应关系，读者可据此判断通用表征在可穿戴健康场景的迁移空间。
Google ResearchAI 评分4545 Google Research：如何通过协作减少交通拥堵
Google Research 在 Nature Cities 发表研究，通过修改 Google Maps 算法在美国 10 个大城市进行为期六个月的实验，仅改变不到 2% 的行程路线，就使目标路段车速中位数提升约 2%、燃油消耗率中位数下降 0.5% 至 1.0%。
OpenAI NewsAI 评分2929 OpenAI 推出 GeneBench-Pro 基准
OpenAI 推出 GeneBench-Pro，一个用于测试 AI 在基因组学、生物学和科研领域表现的新基准，采用复杂的真实世界数据集。
Hugging Face BlogAI 评分4444 DiScoFormer：一个 Transformer 同时估计密度与 score，跨分布通用
Hugging Face 推出 DiScoFormer（Density and Score Transformer），单次前向即可从数据点同时估计分布的密度与 score，无需针对新分布重训。
Google ResearchAI 评分5454 Google Research 发布AI辅助皮肤状况理解研究
Google Research 分享了关于消费者如何用AI理解皮肤问题的两项研究。其中发表于 JAMA Dermatology 的大规模调查纳入 2,345 名参与者，使用AI工具时参与者尝试命名病症的比例超过 62%（对照组为 41%），命名准确率达 23%，约为对照组 8% 的三倍；但下一步就医决策的准确率在标准AI组未见统计显著提升。
Google Research精选AI 评分7070 Google Research 发表 Nature 论文：用智能手机前置摄像头被动监测心率
Google Research 在 Nature 发表论文介绍 PHRM 系统，可在日常使用手机时通过前置摄像头在人脸解锁后拍摄视频，被动估计心率与静息心率，心率 MAPE < 10%，日均静息心率相对可穿戴设备 MAE < 5 bpm。
推荐理由：原文给出了跨肤色非劣性标准与真实场景验证方法，可迁移用于评估rPPG类健康监测模型的公平性。
Mistral AIAI 评分4545 Mistral AI 的 Physics AI 研究成果盘点
Mistral AI 通过收购 Emmi AI 加码 Physics AI，面向航空航天、汽车、半导体和能源等行业构建基础模型。其已发表成果包括 AB-UPT（可在单 GPU 上处理 9M surface 和 140M volume cells 的气动 CFD 模型）、UPT、NeuralDEM、GyroSwin 5D 等，覆盖 CFD、等离子体湍流与工业多物理过程的神经代理模型。
Google ResearchAI 评分5454 Google Research 发布 MoGen：用合成神经元形态将脑图谱重建误差降低 4.4%
Google Research 发布论文 MoGen，用合成神经元形态改进 AI 脑图谱重建模型，使重建误差降低 4.4%，在完整小鼠脑尺度相当于节省 157 人年的手工校对工作。
Google Research精选AI 评分7474 Google Research 与 NHS 合作发表乳腺癌筛查 AI 研究
Google Research 与多家 NHS 机构合作开展 AIMS 研究，在 Nature Cancer 发表两项研究评估 AI 乳腺癌检测系统。
推荐理由：研究给出了AI作为第二读片人的具体读片量与时间节省数据，可帮助评估其在筛查流程中的实际落地空间。
Google ResearchAI 评分5454 Google Research 发布 MapTrace：用合成数据教会多模态模型在地图上追踪路径
Google Research 提出 MapTrace 任务、数据集与合成数据生成流水线，用 Gemini 2.5 Pro 和 Imagen-4 开源 2M 问答对，帮助多模态大语言模型学会在地图上追踪路径。
Google ResearchAI 评分5757 Google：以鸟类数据训练的 Perch 2.0 迁移用于鲸类叫声分类
Google Research 与 Google DeepMind 在 NeurIPS 2025 workshop 论文中展示，主要以鸟类和陆地发声动物训练的生物声学基础模型 Perch 2.0，尽管训练中不含水下音频，仍可作为嵌入模型通过迁移学习用于鲸类叫声分类等海洋任务。
Hugging Face BlogAI 评分3636 Alyah：面向阿拉伯语大语言模型的阿联酋方言能力评测基准
Hugging Face 团队推出阿联酋方言评测基准 Alyah，含 1,173 个人工采集的四选一选择题样本，覆盖问候、诗歌、历史遗产等 7 类内容。
Google ResearchAI 评分4747 Google Research：小模型通过分解实现更优的意图提取
Google Research 在 EMNLP 2025 发表论文，提出将用户意图理解拆分为"逐屏摘要 + 从摘要序列提取意图"两阶段的分解式工作流，让小多模态模型（MLLM）在设备端完成 UI 轨迹意图提取。
Hugging Face BlogAI 评分4747 AssetOpsBench：弥合 AI Agent 基准与工业现实的差距
Hugging Face 推出 AssetOpsBench，一个面向工业资产管理的 Agent 评测基准，包含 2.3M 传感器遥测点、140+ 场景、4.2K 工单和 53 种故障模式，从任务完成、检索准确率、结果验证、序列正确性、清晰度与幻觉率六个维度打分。