10 月 24 AI 周报

本周焦点

• OpenAI 正在以 1.25 万亿美元估值推进 300 亿美元新融资，为 IPO 做准备：据一家科技媒体报道,OpenAI 正在进行新一轮 300 亿美元规模的融资,对应估值约 1.25 万亿美元,并为后续 IPO 做准备。报道称,如果本轮融资落地且估值超过 1 万亿美元,将刷新纪录成为有史以来估值最高的私营公司 [22]。

• DeepSeek 千亿级融资接近收官,产业资本入局并加码具身智能:有报道称,DeepSeek 的千亿规模融资已逼近收官阶段,投资方包括完美世界、中芯聚源等产业资本。报道还提到其募资规模较此前计划翻倍,资金将重点押注具身智能方向 [16]。

• 微软称其 AI 诊断工具在疾病诊断上超过人类医生:微软 AI 首席执行官 Mustafa Suleyman 对外表示,公司开发的 AI 工具在诊断疾病方面最高可比人类医生准确四倍,并称医疗是 AI 改善生活最明确的场景之一、"终于成为现实"。该工具被描述为面向诊断流程的智能编排系统,相关说法由微软方面提出,尚需外部独立验证 [39]。

产品与模型更新

• Canva 的首个 AI 图像模型会先规划设计方案，再进行生成：Canva 正凭借推出一款图像生成模型而更深入地进军 AI 领域，该模型直接与 OpenAI、Microsoft 和 Google 的模型展开竞争。 [14]

• Canva 发布其首个图像生成模型：Canva 正将其新的图像模型向所有用户开放，并承诺以更低的成本提供更好、更可定制的性能。 [38]

• 中电信星辰发布并开源意图理解模型 Xing4.0-29B-Intent:中电信人工智能科技有限公司星辰通用人工智能实验室正式发布并开源意图理解专用模型 Xing4.0-29B-Intent。该模型的特点是既能处理"做选择题"式的分类判断,也能处理"做填空题"式的意图补全任务,面向意图理解场景做了专门优化 [15]。

• 又一款国产决策模型发布,称 23 项开源基测超过微软与 JEV:国内团队发布了一款面向企业高频判断任务的决策模型,主打在实际业务中反复出现的判断类需求。据其公布的测试结果,该模型在 23 项开源基础测试上的准确率超过了微软和 JEV 的相关方案 [25]。

• 1Password 推出让 AI 代理代为登录、但看不到密码的能力:1Password 上线新功能,允许 AI 代理代替用户登录其个人账户,同时不向代理暴露用于保护账户的隐私凭据。这一设计试图在自动化操作与凭据安全之间取得平衡,让代理完成登录流程而用户密码始终对模型不可见 [30]。

• Uber 与 OpenAI 合作，将 ChatGPT Work 推广至全体员工：Uber 正在把 ChatGPT Work 推广到超过 3 万名员工,用于研究、数据分析、制作演示文稿以及完成复杂工作流。这是企业级 AI 助手在大规模组织内部落地的一个案例,由 OpenAI 方面披露 [28]。

• 使用 Decisions API 构建响应更灵敏的应用：OpenAI 发布 Decisions API,面向应用开发者提供快速、聚焦且低成本的决策类调用能力。官方描述其目标场景是为应用内需要即时判断的环节提供支持,而非替代通用大模型聊天 [10]。

• IBM 用 Granite 时间序列模型做集成预测:IBM 研究团队介绍了基于 Granite 时间序列模型的集成预测方法。该方案把多个时间序列模型的预测结果组合起来,以提升预测稳定性与准确度 [29]。

• NVIDIA 发布 Kumo Relational,称在关系数据上免训练即超越监督学习:英伟达推出 Kumo Relational,针对关系型数据建模场景。官方称该方法无需训练过程,在关系数据上的表现即优于传统监督机器学习方案,有望降低企业做结构化数据预测的门槛 [37]。

• 清华 AIR 孵化团队以多智能体协同重构医疗 AI,让"医生 AI 分身"坐诊:由清华大学智能产业研究院(AIR)孵化的团队,把多智能体协同用于医疗场景重构,让医生 AI 分身承担部分"坐诊"工作。该方向试图以多个智能体分工协作的方式,提升医疗问诊与辅助决策的自动化程度 [32]。

• AT&T 与 OpenAI 合作改造内部法律工作:AT&T 正与 OpenAI 合作,让内部法律知识更易被检索和使用,其 LegalEdge 团队借此重新设计需求受理流程并扩大法律判断能力的覆盖范围。这属于大型企业内部职能部门采用 AI 重构工作流的案例 [36]。

前沿研究

• LLM 正使形式化软件验证在更大规模上变得可行：Anthropic 发布研究指出,大语言模型正在让形式化软件验证在更大规模上变得可行。形式化验证传统上依赖高度专业的人力投入,而模型可以在定理证明、代码与规格对齐等环节提供规模化协助 [8]。

• 无事可做被单独留下时，AI 智能体们开始玩了起来：MIT 研究人员让 13 个 AI 智能体在没有任务、无事可做的虚拟岛屿上自由行动,结果它们自行发明了游戏,甚至出现了"悼念丢失戒指"这类行为。研究者称,这种自发互动最终还让它们在原本的工作任务上表现更好,为观察智能体社会行为提供了新窗口 [13]。

• 谷歌用 AI 辅助超声改善基层孕产妇护理:谷歌研究团队介绍了 AI 辅助超声在基层孕产妇护理中的应用,目标是让资源有限地区的一线人员也能获得更可靠的超声判读支持。该工作属于把视觉模型落到医疗筛查环节的探索 [12]。

• 谷歌提出面向自主湿实验室的 AI 智能体基础构建块:谷歌研究团队讨论了如何把 AI 智能体"锚定"在真实的生物学现实中,为自主运行的湿实验室搭建基础能力模块。内容聚焦智能体如何在实验环境中感知、操作与验证,而非停留在纯文本推理 [21]。

• 有论文提出按条目自适应分配算力的序列推荐方法:一篇投稿论文指出,现有序列推荐模型对用户历史中的每个条目都分配固定计算量,但事实上同一条序列内不同条目所需算力差异极大——多数条目浅层处理即可收敛,少数关键条目才需要完整深度。作者据此提出条目级自适应递归机制,把算力集中到真正影响预测的条目上 [9]。

• PhysiCalWorld:为世界模型做上下文物理参数校准:该论文指出世界模型通常只凭当前画面或很短的历史窗口理解场景,而这些观察难以暴露质量分布、关节阻尼、表面摩擦等决定动态演化的物理属性。若不校准这些物理因素,模型预测会退化为经验先验,在新场景中出现严重漂移。为此作者提出 PhysiCalWorld 在上下文中完成物理校准 [18]。

• Environment Duels:用"互出环境"的对抗基准考察大模型共同演化:该论文提出动态智能体基准 Environment Duels,让每个模型既能编写带隐藏提示的交互环境,又能去求解别人写出的环境。它同时评估模型作为"创造者"和"解题者"的能力,用于观察前沿模型在彼此产出的数据与任务中如何共同演化 [27]。

• 共识研究的终结？：一篇论文报告了 AI 如何协助研究者发现名为 A-greement 的新共识协议,该协议面向地理复制的状态机,性能显著优于当前最先进方案。作者指出,共识问题是分布式计算的核心难题,需要同时结合协议知识、正确性推理、工程实现与实验评估,而 AI 的参与让"共识研究是否走到尽头"这一提问变得有意义 [35]。

• 微软 ThinkingBox:把数据库评分转化为强化学习奖励来后训练智能体:Hugging Face 上的一篇博客介绍了微软的 ThinkingBox 方法,把数据库评测的评分结果转化为强化学习奖励信号,用于智能体的后训练。这一思路把原本用于评测的判分环节直接变成训练信号,以提升智能体在数据库相关任务上的表现 [11]。

• OlmoEarth v1.3 发布,主打全球尺度地表嵌入:Allen AI 发布 OlmoEarth v1.3,称其提供面向整个地球表面、处于当前最优水平的地理嵌入表示。该模型用于把遥感等地表观测转化为可复用的向量表示,服务于下游地球观测任务 [20]。

• 有分析称各主流 AI 模型对人类持几乎相同的"争议"立场:一篇分析文章比较了多个 AI 模型对人类的看法,称不同模型给出的"争议性"观点高度相似。该观察来自第三方博客评测,并非官方研究结论,只能作为社区层面的一个讨论点 [26]。

开源项目

• Recursive 开源 Flint:40B-A2.5B 本地编程模型,采用 Apache 2.0 协议:社区讨论显示,Recursive 发布了名为 Flint 的本地编程模型,总参数 40B、激活参数 2.5B,并以 Apache 2.0 协议开源。该组合定位是可以本地运行的编程助手模型,兼顾体量与推理成本 [1]。

• OpenShell——面向自主 AI 智能体集群的安全、私密运行时：英伟达在代码托管平台开源了 OpenShell,定位是为成批运行的自主 AI 智能体提供安全、私有的运行时环境。该项目关注的是智能体规模化执行时的隔离与隐私问题,而非模型本身的能力 [17]。

社区热议

• Meta 修改商业条款后,法律专家仍担心新闻网站内容被用于训练:Meta 调整了其商业条款,删除了暗示可以自由使用新闻网站内容训练 AI 模型的措辞。但有法律专家认为这些修改并不足以消除担忧,因为"与你的产品或服务相关"这类表述依然存在,仍可能被用来支持抓取行为 [23]。

• tibo又要重置了。：linux.do 前沿讨论：tibo又要重置了。 [4]