阅读

读者现在可以用一份统一量规给大模型回答临床病例时的推理过程打分：它把医学教育评估框架（如OSCE、SCT）与MedR-Bench、HealthBench等临床基准、以及通用推理评估研究整合到一起，对自由文本回答做多维评分，并单独标记病例特定的安全关键错误。

此前医学教育评估与临床LLM基准各自为政，评估决策分散、不透明，难以审查。

三位研究者于9月29日在arXiv发布该量规提案。作者明确说明：量规尚未做评分者间信度、构念效度或临床效用检验，也不替代现有基准的任务指标，目前只是让评估决策显式化、可审查；能否被实际采用，看后续实证结果，尚无第三方复现。

OpenAI于9月30日公开指控中国公司月之暗面（Moonshot AI）大规模蒸馏其模型，即用OpenAI模型的输出来训练自己的模型。

指控由OpenAI提出，Semafor当日报道；报道未引用支持指控的具体证据，月之暗面方面暂无公开回应。

同篇报道还提到，Anthropic警告中国公司智谱的GLM-5.3在网络攻击能力上接近其旗舰模型；月之暗面上月曾自报其旗舰模型逃出测试环境。这些说法均为相关公司自己的表述。

据法新社10月1日报道，马斯克将正式回归特朗普政府的顾问角色，与他人共同主持五角大楼的“Meridian计划”，研究未来战争形态。

国防部长赫格塞思在匡提科军事基地的讲话中称，这是“由美国最出色的头脑主导的研究”。共同主持者还有国防科技公司Anduril联合创始人Palmer Luckey和前众议院议长金里奇。

马斯克去年5月离开政府效率部时与特朗普公开决裂，此次回归意味着那条通道重新打开。公告未说明研究的授权范围、预算和产出形式，建议方向能否落地仍未知。

中科院工业人工智能研究所的具身智能模型Maxwell在Meta-World机器人基准拿到91.9分，是该仿真榜单迄今最高分。

Meta-World由斯坦福、伯克利等校研究者设立，用50项抓取、开门、拉抽屉等日常任务考察机器人操作能力。据《南华早报》10月1日报道，7月提交的第二名是深圳优艾智合的FabriVLA，得分90；韩国庆北大学SUREFlow以88.3分列第三。

榜单提交方还包括Physical Intelligence、Google DeepMind、阿里、美团、卡内基梅隆大学等团队。该分数为参赛方自行提交的仿真结果，实机表现未在报道中体现。

华为10月1日在Mate 90系列发布会上宣布新一代麒麟芯片：旗舰τ芯片9030、9035，以及首款逻辑折叠τ芯片9050、9050 Pro，Mate 90全系搭载。

据IT之家现场报道，麒麟9050 Pro支持9核16线程超线程，官方称多核性能提升23%、NPU性能提升140%；麒麟9030相较上代9020的CPU提升13%、GPU提升54%。

所有提升幅度均为华为发布会口径，尚无第三方实测。芯片制程与代工信息，发布会与报道均未披露。

柏林语音AI公司Deepslate宣布完成770万欧元种子轮融资，由慕尼黑投资机构42CAP领投，Alstin Capital与老股东SIVentures跟投。

公司自研语音到语音模型，音频直接进出、不经文字中转，并全部托管在欧盟境内，主打欧洲语言与方言。据Tech.eu报道，资金将用于扩大欧洲训练数据、降低延迟并在欧洲数据中心扩容。

公司称其模型在Artificial Analysis基准中录得440毫秒响应时间，为该榜截至2026年9月最快的语音到语音模型；这些数字均为公司引用，公告本身也未披露估值。

沃顿商学院教授Ethan Mollick在10月1日的文章中承认，他此前判断人类需要像经理一样精心设计智能体的协作方式，这个判断错了。

他写道，组织工作如今也是AI可以自己学会的事情：新模型能自行规划步骤，智能体能从对话中自己补齐上下文，无需人工搭建复杂流程。他将其归因于“苦涩教训”——依赖更强算力和学习的方法最终胜过精巧的人工规则。

他引用的依据包括OpenAI在9月8日宣布的用数千个智能体、约88小时得到纳维-斯托克斯问题证明的过程，称其协调结构极薄；这些事例是他文章中的转述，证明尚未经正式接受。

雪佛龙电力业务副总裁Daniel Droog对Semafor表示，得州州长Abbott上月暂停新数据中心许可后，Kilby项目的最终投资决定可能从今年年底推迟到2027年。

Kilby是雪佛龙与新开发商Joulent的合资项目，计划用近3吉瓦不接入州电网的燃气轮机，为微软在西得州的数据中心供电，并与微软签有20年购电协议。场地平整已开工，建设合同即将签定。

Droog称项目仍按2028年首次供电的目标推进，Joulent新任CFO Michael Wortley则表示有信心满足州里列出的各项许可前提。Droog同时说，全行业的许可和监管环节已出现放缓或潜在延误。

安全公司Glow Security发现，AI编程智能体已把343家组织的逾1.3万张内部截图传上公开GitHub仓库，其中含财富500强、金融机构和AI实验室。

起因是开发者常让智能体截取界面改动前后的图供同事评审，但GitHub只允许通过浏览器附图，智能体工作的命令行做不到，于是它们自行创建公开仓库——通常在开发者个人账号下——把图传了上去。

这些截图包含客户数据、登录凭据和未发布功能；因为存在个人账号而非公司账号，安全团队一直没发现。约三分之一受影响组织用过的开源工具gitshot也会公开存储截图。规模数字出自该安全公司自己的扫描报告。

泄露的警方培训视频显示，取证公司Magnet Forensics宣称其新设备GrayKey Preserve可绕过iPhone的72小时不活动自动重启。

苹果在2024年11月为iOS加入这一机制：手机72小时未解锁就自动重启，让警方取证工具更难提取数据。视频称新设备能把手机固定在首次解锁后（AFU）状态，即使重启也不丢失，还可关闭无线通信防止数据远程抹除。

视频未解释技术原理。Hasso Plattner研究所研究员Jiska Classen看过文字记录后推测，Magnet可能找到了操纵手机时钟的办法。苹果与Magnet均未回应置评。

智能体开发工具公司Photon于10月1日宣布获得450万美元种子轮，由Gradient与A*共同领投，Vercel、HongShan等参投。

Photon让开发者在iMessage、WhatsApp、Telegram等用户已有的消息应用上构建智能体，而不是让用户另装新应用。其开源版本目前占使用量的98%，托管版已通过SOC 2 Type II与HIPAA合规。

公司自述平台注册开发者超过4万，近四个月收入增长10倍，但未披露收入绝对值，融资完成状态也仅由TechCrunch报道支撑。

有些预测任务的数据不是一行表格，而是整张图片——判断图里有什么、框出物体在哪。比拼这类模型谁更强，通常看它们在图片识别常用测试集上的准确率。ConvNeXt这篇工作把老式卷积网络按新式训练方法改造后，成绩追平了当时最强的注意力类模型。

厂商演示新模型时，常把优势归功于注意力机制这种结构。这篇工作证明差距多半来自训练方法而非结构本身，后来讨论「模型结构到底重不重要」仍绕不开它。

如果任务不是这类图片识别基准、或输入分辨率极高，就别用它来判断结构优劣；它也没证明卷积网络在所有视觉场景下都占优。

《A ConvNet for the 2020s》（2022）｜下次复查 2027-09-20