AI大厂进军医药，但资本市场等不了十年

近年来，包括百度、腾讯、阿里在内的多家国内AI巨头纷纷布局医药领域，试图利用人工智能技术加速药物研发、降低研发成本。然而，医药行业研发周期长、成功率低的特点，与资本市场对短期回报的期望形成鲜明矛盾。AI辅助药物研发虽然初显成效，但尚未出现颠覆性突破。投资方对长期投入缺乏耐心，使得AI医药公司面临融资压力。业内人士指出，AI在医药领域的应用仍处于早期阶段，需要持续的技术积累和资金支持，而资本市场急于求成的心态可能制约行业发展。 #AI #医药 #资本市场 #研发周期 #人工智能 #生物科技 #投资 #科技产业

Telegram必备的搜索引擎，极搜JISOU帮你精准找到，想要的群组、频道、视频、音乐

👉 t.me/jisou2?start=a_8247614025

Google 推出 Gemini Enterprise 全栈 AI 方案，加速韩国企业市场布局

在 14 日于首尔举行的“Google AI for Business 2026”座谈会上，Google Cloud Korea 总裁 Ruth Sun 表示，Google 的差异化竞争力在于从芯片到模型的自研全栈能力，以及支持包括 Anthropic Claude 在内的 200 多个模型的灵活调用，这有助于企业提升 AI 投资回报率。她将 Gemini Enterprise 概括为“全栈 AI”架构，涵盖算力基础设施、AI 模型、代理平台和用户界面四个层级，其核心包括自研 TPU、DeepMind 的 Gemini 模型，以及与 Google Workspace 联动的代理平台。Ruth Sun 指出，Samsung Electronics DX 部门已成为典型案例，员工将 Gemini Enterprise 作为访问内部数据的安全入口，工作方式从信息检索转向主动解决问题，且相关服务在签约后 24 小时内完成上线。此外，Google 正整合收购的安全公司 Wiz、首尔区域的安全运营平台及 Mandiant 威胁响应能力，以增强企业安全防护。Google Korea 总裁 Yoon Koo 提到，76% 的韩国消费者在获取新品创意时优先使用 AI 搜索。本次活动合并了“Google Marketing Live”和“Google Cloud AI Live+Labs”，持续三天，还介绍了 CJ Olive Young、KakaoBank 等企业的 AI 应用案例。 #Google #GeminiEnterprise #全栈AI #韩国企业 #Samsung #AI搜索 #安全集成

流形约束的共形预测方法在空间事件中的应用

一篇来自 arXiv 的研究论文提出了一种名为“流形约束共形预测”的新方法，用于处理空间事件的不确定性量化。该方法结合了流形学习与共形预测框架，旨在提高对空间点过程预测的可靠性。论文由 Collin Nill 等人撰写，于2026年7月提交，目前可通过 arXiv 平台获取全文 PDF 和 HTML 版本。该工作对地理空间、气象或流行病学等领域中的事件预测具有潜在应用价值。 #机器学习 #共形预测 #流形学习 #空间数据 #arXiv #论文 #AI

ABot-AgentOS

近日，一篇来自 arXiv 的学术论文提出了 ABot-AgentOS，这是一个面向通用机器人的智能体操作系统，具备终身多模态记忆能力。该系统旨在为机器人提供持续学习与跨任务知识积累的框架，使机器人能够在长期交互中不断优化行为。论文由 Jiayi Tian 及其 26 位合著者共同完成，展示了系统在模拟和真实环境中的性能提升，为未来自主机器人的发展提供了新的技术路线。该研究已通过 arXiv 平台发布，并附有完整 PDF 及 HTML 版本供审阅，当前索引类别为计算机科学相关领域。 #机器人 #多模态 #人工智能 #终身学习 #arXiv #智能体 #系统论文 #通用机器人

社会技术设计原则与人本AI指南比较研究

一项发表于人工智能人机交互领域的研究，系统比较了社会技术设计原则与人本人工智能（HCAI）指南的异同。研究由Thomas Herrmann完成，论文通过arXiv预印本平台发布。该工作旨在分析两类设计框架间的互补性与适用场景，探讨如何在AI系统开发中整合社会技术视角与人本中心理念。研究指出，两种方法论虽各有侧重，但可结合使用以提升AI系统的可接受性与社会技术融合度。论文引用了相关文献与工具链接，为后续研究提供参考。 #HCAI #社会技术设计 #人本AI #AI设计原则 #人机交互 #arXiv论文 #AI伦理

测量模拟到现实的鸿沟

一篇来自 arXiv 预印本的论文提出，针对强化学习在人工智能物联网系统中模拟到现实的迁移难题，设计了一种低成本的真实世界基准测试平台。该研究由周荣平等学者完成，旨在衡量模拟环境与物理现实之间的性能差距。论文提供了详细的平台设计方案，并展示了如何通过该平台评估和优化强化学习算法在实际场景中的表现，为相关领域的研究者提供了可复现的测试工具和方法论参考。 #强化学习 #AIoT #基准测试 #模拟到现实 #arXiv #学术论文 #机器学习

SPARK

arXiv平台发表了一篇题为《SPARK: Susceptibility-Guided Profiling and Steering of Latent Reasoning States in Large Language Models》的论文。该研究提出了一种名为SPARK的新方法，旨在通过引导大语言模型中的潜在推理状态来提升其推理能力。SPARK利用模型对特定输入的敏感性，构建推理状态的剖面图，并据此进行定向调控，从而优化模型在复杂任务中的表现。该方法有望为大模型推理过程的透明化和可解释性提供新思路。 #大语言模型 #AI #推理 #SPARK #机器学习 #学术研究 #arXiv

自主交易系统能否支付自身智能成本

一篇题为《自主交易系统能否支付自身智能成本》的研究论文于2026年7月提交至arXiv平台。该研究由Qiqi Duan等13位学者共同完成，探讨了基于人工智能的自主交易系统在金融市场中的经济可行性。论文主要关注这些系统产生的智能成本是否能够通过交易收益得到覆盖，并分析了相关技术实现与性能评估。目前该论文处于待注册状态，可通过arXiv获取全文。 #AI交易 #自主交易系统 #金融科技 #机器学习 #论文研究 #经济可行性

大语言模型在临床推理中信息检索失败

一项发表于arXiv的研究揭示了大型语言模型在医疗临床推理中的信息检索缺陷。研究指出，虽然这些模型在模拟诊断过程中表现出色，但在主动寻求和利用外部信息方面存在显著不足。当面对复杂或罕见的病例时，模型往往无法有效提问或获取关键背景信息，导致推理路径偏离正确方向。这一发现对LLM在医疗等高风险领域的实际应用提出了警示，强调需要改进模型的主动信息检索能力。 #LLM #临床推理 #信息检索 #人工智能 #医疗

大语言模型展现风险敏感决策的行为特征

一项发表在arXiv上的新研究揭示了大语言模型在风险决策中的行为特征。该研究由Xuankun Rong等学者完成，通过设计特定的实验任务，系统考察了多个大语言模型在面对不确定性时的决策模式。研究发现，这些模型能够表现出类似人类的损失厌恶和概率加权特征，在收益与风险之间做出权衡。例如，模型在面对确定的小收益与可能性大收益之间倾向于选择前者，而在损失情境下则更愿意冒险。这一发现对于理解大语言模型的行为机制以及安全部署具有重要意义。 #大语言模型 #决策行为 #风险敏感性 #AI研究 #arXiv

稀疏特征干预在何时真正具有局部性？基于SAE的安全控制匹配评估研究

arXiv上发布了一篇涉及人工智能安全的重要研究论文。该研究聚焦于稀疏自动编码器在安全控制中的应用问题，旨在评估所谓的特征干预是否真正具有局部性。论文提出了一种匹配评估方法，以检验SAE（稀疏自动编码器）在模型安全控制中的干预有效性。研究表明，在特定条件下，稀疏特征干预并非总是能够准确定位到所需区域，其局部化效果高度依赖于具体的模型配置和干预环境。该发现为提升大语言模型的安全性和可控性提供了理论支撑，并为人机协作中的鲁棒性设计奠定了基础。研究团队来自学术机构，已提交完整的论文文本供同行评议。 #人工智能 #机器学习 #AI安全 #稀疏编码 #特征干预 #大模型