Scale AI 与 Elorian 发布 HSS 视觉直觉推理基准，前沿模型得分远低于人类
Scale AI 与 Elorian 发布 Humanity's Sixth Sense（HSS）基准，测试模型从图像和短视频中推断未直接呈现信息的视觉直觉推理能力。
#多模态
#多模态
今日 2 条Hacker News：AI 热帖AI 评分6666 Hacker News：AI 热帖AI 评分6363 Noiz AI 与港科大发布实时音视频世界模型 Helix World
Noiz AI 与香港科技大学推出 Helix World，可从单张图像生成可通过 WASD 和方向键探索的视频场景，并同步生成随相机转动的立体声。
Import AIAI 评分3030 Import AI 476：HSS 视觉推理基准、开放权重模型表现与 AI 进入太空
Elorian 与 Scale AI 发布 Humanity’s Sixth Sense 基准，用 522 个问题测试模型对隐含视觉信息的推理，人类 pass@1 为 93.1，GPT 6 Astra 为 53.6，GLM-5.3-flash 与 Kimi K3 分别为 26.8、25.5。
Hacker News：AI 热帖精选AI 评分7878 NVIDIA 论文发现多模态模型在智能体式使用工具时更难拒绝有害请求
NVIDIA 论文《MLLMs Fail to Refuse when Using Tools Agentically》发现，11 个 VLM 在启用工具后拒答有害请求的失败率均上升，相对增幅最高达 68.7%，整体失败率增加 17.7%。
推荐理由：论文用 11 个 VLM 和 3 个安全基准拆解工具调用削弱拒答的机制，为评估智能体安全提供了可复用实验框架。
Hacker News：AI 热帖AI 评分5757 HieraticBench 评测：13 个模型均无法识别专家手写的古埃及僧侣体句子
HieraticBench 测试 13 个模型阅读古埃及僧侣体，结果所有模型在专家 2022 年手写的密封句子上识别率均为 0%，78 次尝试无人说出 script 名称。
The DecoderAI 评分6969 研究团队将 JEPA 扩展为跨物理到生物领域的通用世界模型 JEPA-Anything
PhAI Labs 联合 Stanford、Oxford 和 Princeton 团队提出 JEPA-Anything，用四个正交预测因子扩展 Yann LeCun 提出的 JEPA 架构，以同一预测原则覆盖物理、机器人、天气、分子、单细胞和临床等领域。
Hacker News：AI 热帖AI 评分5555 AI 能否从猫脸照片识别疼痛：专用模型达 95.5% 准确率，通用聊天机器人普遍低估
TailStory 团队梳理了 AI 依据 Feline Grimace Scale 识别猫急性疼痛的研究与家庭评分方法。2023 年研究用 3,447 张由专家评分的猫脸照片训练神经网络，最佳组合以 95.5% 准确率区分疼痛与无疼痛猫，且模型小可在智能手机运行。
The DecoderAI 评分5959 LEGO-Anything 研究让编码智能体从单张照片生成可编辑 Blender 3D 场景
研究提出 LEGO-Anything 的 Image-to-Code 方法，让编码智能体根据单张图片迭代编写并修改 Blender 程序，生成可运行、编辑和查询的 3D 场景。
Hacker News：AI 热帖AI 评分6868 Weizmann 研究所 AI 工具可依据 fMRI 脑扫描重建所见图像
以色列 Weizmann Institute of Science 的 Michal Irani 团队开发出可根据 fMRI 脑扫描重建所见图像、也可根据图像预测脑活动的 AI 工具。
Hacker News：AI 热帖AI 评分6767 Nature 论文提出 SynthIDBio：为 AI 生成蛋白质序列和结构添加功能保持水印
Nature 论文提出 SynthIDBio，用于在 AI 生成的蛋白质序列和结构中嵌入高可检测且保持功能的水印。
Hacker News：AI 热帖AI 评分7373 哈佛随机对照研究显示结构化 AI 辅导优于课堂主动学习
哈佛大学一项 N=194 的本科物理随机交叉实验显示，经过提示词工程、分步答案和学习支架设计的 AI 导师 PS2 Pal，在课后测试中的学习收益超过课堂主动学习组一倍以上，差异为 p < 10–8。
Hacker News：AI 热帖AI 评分4545 Pluralis：迈向面向 AI 风险的多文化、多模态、多语言评测基准
研究团队推出 Pluralis v0.1，这是一个以文化优先视角构建的多模态、多地区、多语言 AI 风险数据集。该数据集覆盖 6 个亚太国家、8 种语言和 6,448 条 prompts，并配套 Judge-Pluralis 评测方法。测试显示，视觉语言模型存在图像误识别、忽略物品—情境—地域交互及拒绝不当等本地化失败模式。
Hacker News：AI 热帖AI 评分6363 8 个多模态模型接受 2,000 张动物痕迹照片识别评测
作者用 2,000 张动物粪便、脚印、羽毛、蛋和骨骼照片测试 8 个模型识别留下痕迹的物种，Claude Opus 5.5 以 37.15% 的精确物种正确率领先，Muse Spark 1.3 和 GPT-6 Astra 分别为 33.35%、31.70%。
Google ResearchAI 评分5757 Google Research 提出长视频连贯生成多智能体框架 Co-Director、CANVAS、A²RD 与 VQQA
Google Research 发布面向连贯长视频生成的研究套件，包含将在 COLM 2026 发表的 Co-Director、将在 EMNLP 2026 发表的 CANVAS，以及 A²RD 和 VQQA。
elsewhere：文章（RSS）AI 评分4242 百曜科技联合《麻省理工科技评论》发布 AIVC 深度研究报告
百曜科技联合《麻省理工科技评论》中国团队发布 AIVC 技术趋势、产业生态与应用前景研究报告，将 AIVC 定义为 AI 时代生命科学的新型基础设施。报告梳理了 AIVC 技术路线与产业格局，提出模型竞争转向泛化能力、私有数据成为关键要素、干湿闭环成为产业化门槛三大趋势。百曜科技今年 6 月发布基于 LLM-JEPA 架构的 AURA CellOS，并布局数据工厂与干湿闭环。
Google ResearchAI 评分3737 AgentHands：为 XR 中具备空间锚定能力的 AI 智能体对话生成交互式手势
Google Research 推出 CHI 2026 研究原型 AgentHands，可将 LLM 输出映射为 XR 环境中与语音同步的实时手势。系统通过环境感知、手势事件库、手势嵌入推理与同步执行，把抽象指令转化为空间演示；在 N=12 的对照实验中，相比纯语音基线显著提升了空间锚定效果。
Google ResearchAI 评分5252 Google Research 提出 Biomarker Discovery Framework，用多智能体从可穿戴数据筛选候选生物标志物
Google Research 推出 Biomarker Discovery Framework，通过多智能体研究循环从可穿戴传感器数据中优先筛选候选生物标志物，并保留人工监督。
Google ResearchAI 评分5858 Google Research 提出 PhotoScan：用智能手机照片估算身体成分与心脏代谢风险
Google Research 发布实验性深度学习框架 PhotoScan，可通过标准 2D 智能手机照片估算体脂率、A/G 比例和 V/S 比例。
Microsoft ResearchAI 评分5353 Microsoft Research 发布 MindTopo 基准，评测多模态模型的拓扑空间推理能力
Microsoft Research 推出 MindTopo 基准，用于评测多模态大语言模型对连通性、分离、顺序、包围和绳结等拓扑关系的推理与规划能力。基准包含静态 reasoning 任务和模拟环境中的 planning 任务，场景由可控模拟器生成并提供精确 ground truth。
Microsoft ResearchAI 评分5757 Microsoft Research 推出研究模型 CARE-X，探索面向临床任务的胸部 X 光视觉语言模型
Microsoft Research 发布研究模型 CARE-X，用统一胸部 X 光 VLM 支持报告生成、疾病分类、否定判断、设备位置和异常区域定位。
Google ResearchAI 评分5858 Google Research 发布可穿戴健康数据基础模型 SensorFM
Google Research 与 Google DeepMind 等推出 Large Sensor Foundation Model SensorFM，直接从大规模无标签可穿戴设备数据学习通用生理表征。
Google ResearchAI 评分4747 Google Research 研究 AI 如何帮助用户理解皮肤问题
Google Research 发布针对皮肤问题 AI 信息工具的研究，评估用户在 AI 辅助下识别病症与决定后续行动的能力。2345 名参与者的随机对照实验显示，AI 组病症命名准确率为 23%，对照组为 8%，但标准 AI 组的后续行动准确率未显著提升。研究还通过混合方法考察用户如何将 AI 获得的理解与医生沟通进行比较。
Google Research精选AI 评分6464 Google Research 发布 PHRM 手机摄像头被动心率监测研究
Google Research 在 Nature 论文中提出 PHRM 研究系统，可在用户面部解锁手机后通过前置摄像头拍摄 8 秒面部视频，在日常使用中被动估计心率和每日静息心率。
推荐理由：文章给出跨肤色验证误差、真实环境测试和数据集开放方式，可帮助读者理解手机摄像头被动测心率的可行边界。
Google ResearchAI 评分4242 Google Research 推出 PaperVizAgent 与 ScholarPeer 两款 AI 智能体，改进学术图表与同行评审流程
Google Research 推出 PaperVizAgent 与 ScholarPeer 两款智能体框架，分别用于自动生成学术图表和评审论文。PaperVizAgent 由 5 个专项智能体协作，在 0-100 分评测中总分 60.2，超过 50.0 的人类基线及 GPT-Image-1.5、Nano-Banana-Pro、Paper2Any。
Google ResearchAI 评分4242 S2Vec 如何学习城市语言：Google Earth AI 解析现代建成环境
Google Research 在 Google Earth AI 计划下推出 S2Vec，用 S2 Geometry 栅格化建成环境，并通过 masked autoencoding 自监督学习通用嵌入向量。S2Vec 在美国人口密度、收入中位数等零样本地理适应任务中通常是最佳单模型；与图像嵌入融合后，效果通常优于任一单一模态，但在树木覆盖、海拔等环境任务上仍需改进。
Google Research精选AI 评分7272 Google Research 发布 AIMS 研究，用机器学习改进乳腺癌筛查流程
Google Research 联合多家 NHS 机构在 Nature Cancer 发表 AIMS 两项配套研究，评估 AI 乳腺癌检测系统的独立性能及其替代第二阅片人的双读流程。
推荐理由：两项配套研究分别验证独立 AI 读片性能和人机双读流程，为理解 AI 筛查的临床收益与落地约束提供了完整证据。
Google Research精选AI 评分7171 Google Research 公布 AMIE 对话式诊断 AI 在真实门诊环境中的前瞻性可行性研究结果
Google Research 与 Beth Israel Deaconess Medical Center 合作，在门诊初级保健场景中测试对话式诊断 AI AMIE 的诊前病史采集。
推荐理由：这项真实门诊环境下的前瞻性可行性研究，提供了 AMIE 在医生监督中采集病史的安全性、诊断表现和医患接受度数据。
Berkeley AI ResearchAI 评分4141 成像系统的信息驱动设计：基于互信息直接评估与优化
Berkeley AI Research 提出基于互信息直接评估并优化成像系统的框架，仅用含噪测量与噪声模型即可量化系统区分物体的能力。该指标在彩色摄影、射电天文、无透镜成像和显微镜四个领域均能预测解码器性能，优化所得设计可媲美 SOTA 端到端方法，且占用更少内存与算力、无需任务专用解码器。相关成果发表于 NeurIPS 2025。