Gemini 如何帮助学生和教师在课堂上学习
英国 10 周随机对照试验覆盖 1100 多名 12-15 岁学生,Gemini 教学辅导质量较去年提升近 25%,专家评审通过率从 76% 升至 95%,学生成绩与人类导师辅导相当。意大利 31 所学校、1600 名教师的研究显示,教师用 Gemini 共同设计课程后课堂讲授减少 38%,学生主导的协作学习接近三倍。
英国 10 周随机对照试验覆盖 1100 多名 12-15 岁学生,Gemini 教学辅导质量较去年提升近 25%,专家评审通过率从 76% 升至 95%,学生成绩与人类导师辅导相当。意大利 31 所学校、1600 名教师的研究显示,教师用 Gemini 共同设计课程后课堂讲授减少 38%,学生主导的协作学习接近三倍。
由 Dr. Randall Bateman 领导、拥有 18 家成员机构的 C-BRAIN 联盟与 NVIDIA 合作,用 AI 加速阿尔茨海默病研究,破解“dark data”数据孤岛问题。
OpenAI 发布 Signals 数据,展示近 100 个国家中 165 项工作活动的 ChatGPT 使用情况,以及使用方式随时间的变化。
微软研究院 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits(KLS)猜想,给出与维度无关的固定界。
推荐理由:微软研究者用人类主导的智能体搜索证明 KLS 猜想,可看人机协作如何参与数学发现。
OpenAI、PerturbAI 与 Scripps Research 用分布式 AI 智能体,从数百万个脑细胞数据中挖掘出有前景的研究线索。该合作展示了大规模智能体协同在生物数据分析中的实际应用。
Google 研究项目 AMIE 让患者在就诊前先与 AI 智能体对话,采集病史并生成简明摘要交给医生,使医生从核对基础信息转向与患者共同讨论治疗方案。研究中的每次 AMIE 与患者交互均有医生监督,但未出现需要中断或介入的情况。团队下一步计划在全美范围开展更大规模、含对照比较的后续研究,并探索视频交互。
Microsoft 与 NVIDIA 联合发布《Risk Management for Open-Weight Models in Enterprise》,这是双方计划系列资源中的首篇,提出共享风险分类法和基于 ISO 标准与 NIST AI 风险管理框架的管理方法。
Google Quantum AI 在 Willow 处理器上验证了 magic state cultivation,相比未使用该技术时错误率降低约 40 倍,T-state 逻辑保真度达到创纪录的 99.99%,成果已发表于 Science。
微软研究院发布零知识证明虚拟机 Magnetar,可直接证明用 Rust、Go 或 C 编写的程序执行过程,安全性仅依赖 SHA-256、SHA-3 等标准哈希函数。
推荐理由:微软研究院梳理十余年零知识证明研究脉络,说明 Magnetar 如何在速度、通用性和密码学假设上同时推进。
Microsoft Research 提出 StudentSim,从公开的去标识化学习记录训练个性化 AI 学生模拟器,用于在真实学习者测试前评估和改进 AI 辅导系统。
微软研究院开发了一套端到端机器学习流水线,可提前30至60分钟为美国本土66,935座变电站生成位置级空间天气风险估计。系统结合AE与Dst指数预报、纬度、地质电导率及电网数据,在评估期内检出近80%的重大空间天气事件。其Dst预测器在2020-2026年评估期内地磁活动最活跃时段有62.2%的小时数优于Burton方程。
微软研究院推出 Quine,一个面向生物学的研究系统,由跨模态生物学世界模型和连接模型、科学工具、文献与研究者的交互框架组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究,按化合物驱动肿瘤细胞状态转换的潜力对数千种化合物排序,排名最高的化合物在多项湿实验中产生了预期的经典态到基底态转变,整个筛选到候选优先排序过程耗时一个周末。
推荐理由:微软研究院公开 Quine 的生物学世界模型与工具编排框架,并给出胰腺癌细胞状态预测的湿实验验证结果。
微软研究院对移动操作机器人工作负载做了系统性测量,发现把物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU 可提升任务成功率、支持更大模型并延长续航。
推荐理由:微软对机器人端侧推理的系统性测量显示,把推理卸载到边缘或云端可提升任务成功率与续航,并给出可复用的 Kubernetes 工具链。