AIDx：本地部署的AI临床决策支持系统助力医师诊断
生物通报道，一款名为AIDx的新型人工智能系统被成功开发，专为本地部署而设计，旨在辅助医师进行临床决策支持（CDS）。该系统无需依赖云端，可在医院内部网络运行，有效保障患者数据隐私与安全性。AIDx通过整合电子病历、医学影像和实验室检查等多源数据，利用深度学习算法实时分析，为医生提供诊断建议、治疗方案推荐及用药警示。实际测试显示，该系统在多个常见疾病的初步筛查中表现优异，尤其是对早期病变的识别准确率显著提升。研究团队表示，AIDx能够减轻医师的工作负担，减少误诊漏诊，尤其适用于基层医疗机构和资源受限环境。目前该系统已在多家试点医院部署，并计划进一步优化以支持更多专科领域。 #AI #医疗 #临床决策支持 #本地部署 #深度学习 #诊断 #健康科技
生物通报道，一款名为AIDx的新型人工智能系统被成功开发，专为本地部署而设计，旨在辅助医师进行临床决策支持（CDS）。该系统无需依赖云端，可在医院内部网络运行，有效保障患者数据隐私与安全性。AIDx通过整合电子病历、医学影像和实验室检查等多源数据，利用深度学习算法实时分析，为医生提供诊断建议、治疗方案推荐及用药警示。实际测试显示，该系统在多个常见疾病的初步筛查中表现优异，尤其是对早期病变的识别准确率显著提升。研究团队表示，AIDx能够减轻医师的工作负担，减少误诊漏诊，尤其适用于基层医疗机构和资源受限环境。目前该系统已在多家试点医院部署，并计划进一步优化以支持更多专科领域。 #AI #医疗 #临床决策支持 #本地部署 #深度学习 #诊断 #健康科技
Andrew Singleton
在近期文章中提出观点，认为 AI 应具备更强的主动性。他于 2026 年 6 月 11 日发表文章《Claude Fable 是 relentlessly proactive》，强调 AI 系统不应仅等待用户指令，而应主动提供建议和解决方案。此前，他于 6 月 9 日分享了《对 Claude Fable 5 的初步印象》，并在 6 月 6 日探讨了《使用 MicroPython 和 WASM 在沙箱中运行 Python 代码》。这些文章共同反映了对 AI 交互模式变革的思考。 #AI #主动性 #ClaudeFable #科技 #人工智能
在近期文章中提出观点，认为 AI 应具备更强的主动性。他于 2026 年 6 月 11 日发表文章《Claude Fable 是 relentlessly proactive》，强调 AI 系统不应仅等待用户指令，而应主动提供建议和解决方案。此前，他于 6 月 9 日分享了《对 Claude Fable 5 的初步印象》，并在 6 月 6 日探讨了《使用 MicroPython 和 WASM 在沙箱中运行 Python 代码》。这些文章共同反映了对 AI 交互模式变革的思考。 #AI #主动性 #ClaudeFable #科技 #人工智能
PyMuPDF vs Azure Layout
在构建企业级RAG系统时，文档解析至关重要。PyMuPDF（fitz）虽免费高效，但面对表格、扫描件和图表内文本时存在三大盲区：表格列结构丢失导致“Renewal fee 500 Setup fee 200”混成一团；扫描修订页返回空字符串；图表内文字完全不可见。Azure Layout作为微软云服务，通过预建布局模型一次调用即可输出原生表格（含行列索引和表头）、每页OCR文本（含扫描页）、图表内文本及段落角色。它将表格扁平化为Markdown行，保留结构信息；对图表内文字通过OCR提取为`ocr_text`字段。下游检索和生成模块无需关心解析引擎，直接读取统一的关系表。测试表明，在合同表格、扫描附件、架构图等场景中，Azure Layout能准确恢复fitz丢失的信息，确保RAG系统不因解析缺陷而失效。 #文档解析 #RAG #AzureLayout #PyMuPDF #OCR #表格识别 #企业AI #微软云
在构建企业级RAG系统时，文档解析至关重要。PyMuPDF（fitz）虽免费高效，但面对表格、扫描件和图表内文本时存在三大盲区：表格列结构丢失导致“Renewal fee 500 Setup fee 200”混成一团；扫描修订页返回空字符串；图表内文字完全不可见。Azure Layout作为微软云服务，通过预建布局模型一次调用即可输出原生表格（含行列索引和表头）、每页OCR文本（含扫描页）、图表内文本及段落角色。它将表格扁平化为Markdown行，保留结构信息；对图表内文字通过OCR提取为`ocr_text`字段。下游检索和生成模块无需关心解析引擎，直接读取统一的关系表。测试表明，在合同表格、扫描附件、架构图等场景中，Azure Layout能准确恢复fitz丢失的信息，确保RAG系统不因解析缺陷而失效。 #文档解析 #RAG #AzureLayout #PyMuPDF #OCR #表格识别 #企业AI #微软云
AI陪审团
本文探讨了生成式AI的“陪审团”效应。作者假设，对同一提示进行多次独立评估的AI模型，如同独立陪审员。根据孔多塞陪审团定理，若每个AI专家判断正确的概率p>0.5，则通过多数投票，整体准确率j会随陪审团规模N增大而显著提升。例如，当N=25、p=0.75时，j可达99.663%。反之，若p<0.5，多数投票会放大错误。作者指出，生成式AI具备光速响应和即时扩展能力，即使单个AI仅略优于随机猜测（如p=0.51），通过扩大陪审团规模（如N=5001）也能实现高准确率（j=0.92）。若提升单个AI准确率至0.70，仅需25个陪审员即可达到98%以上准确率。由于问题可并行执行，扩展陪审团不会增加延迟。该策略可应用于单元测试验证、代码属性检查、编码规范审查等场景。 #AI #生成式AI #孔多塞陪审团定理 #多数投票 #准确率 #并行计算 #代码审查
本文探讨了生成式AI的“陪审团”效应。作者假设，对同一提示进行多次独立评估的AI模型，如同独立陪审员。根据孔多塞陪审团定理，若每个AI专家判断正确的概率p>0.5，则通过多数投票，整体准确率j会随陪审团规模N增大而显著提升。例如，当N=25、p=0.75时，j可达99.663%。反之，若p<0.5，多数投票会放大错误。作者指出，生成式AI具备光速响应和即时扩展能力，即使单个AI仅略优于随机猜测（如p=0.51），通过扩大陪审团规模（如N=5001）也能实现高准确率（j=0.92）。若提升单个AI准确率至0.70，仅需25个陪审员即可达到98%以上准确率。由于问题可并行执行，扩展陪审团不会增加延迟。该策略可应用于单元测试验证、代码属性检查、编码规范审查等场景。 #AI #生成式AI #孔多塞陪审团定理 #多数投票 #准确率 #并行计算 #代码审查
Agentjacking攻击
Tenet安全实验室披露一种名为“Agentjacking”的新型攻击方法，攻击者只需注入一个伪造的错误报告，即可劫持AI编码代理在开发者机器上执行任意代码。该攻击利用了Sentry错误监控平台事件接收机制与MCP服务器之间的架构缺陷：任何人都可通过公开的DSN向Sentry注入任意数据，而AI编码代理（如Claude Code和Cursor）将这些数据视为权威的系统输出并执行其中的“诊断修复步骤”。研究团队仅通过Sentry公开API即发现2388家暴露组织，在受控测试中超过100个代理对注入错误做出响应，波及从财富500强企业到独立开发者。攻击无需窃取凭证或入侵服务器，即可无声窃取环境变量（AWS密钥、GitHub令牌）、Git凭据、私有仓库URL等敏感信息。随着企业争相部署AI编码代理，该研究证明代理本身已成为攻击面，而唯一能检测该攻击的地方在代理运行时的行为监控层面。 #Agentjacking #AI安全 #编码代理 #Sentry #MCP #漏洞 #劫持 #网络安全 #攻击 #开发安全
Tenet安全实验室披露一种名为“Agentjacking”的新型攻击方法，攻击者只需注入一个伪造的错误报告，即可劫持AI编码代理在开发者机器上执行任意代码。该攻击利用了Sentry错误监控平台事件接收机制与MCP服务器之间的架构缺陷：任何人都可通过公开的DSN向Sentry注入任意数据，而AI编码代理（如Claude Code和Cursor）将这些数据视为权威的系统输出并执行其中的“诊断修复步骤”。研究团队仅通过Sentry公开API即发现2388家暴露组织，在受控测试中超过100个代理对注入错误做出响应，波及从财富500强企业到独立开发者。攻击无需窃取凭证或入侵服务器，即可无声窃取环境变量（AWS密钥、GitHub令牌）、Git凭据、私有仓库URL等敏感信息。随着企业争相部署AI编码代理，该研究证明代理本身已成为攻击面，而唯一能检测该攻击的地方在代理运行时的行为监控层面。 #Agentjacking #AI安全 #编码代理 #Sentry #MCP #漏洞 #劫持 #网络安全 #攻击 #开发安全
我们能和AI共存，但不是以这种方式
没有人征求过我们的意见。这是关于人工智能及其对工作、水资源、电费和社区影响的讨论中，始终被忽略的一点。没有举行过市政会议，没有进行过投票，也没有人坐下来对那些即将被颠覆生活的人说：未来会发生什么，我们将如何应对，以及如何确保你们不被落下。技术就这样来了，数据中心就这样建成了，工作就这样开始消失，而掌权者一直在说“相信我们，好处会来的”。我们仍在等待好处，而代价却准时到来了。我整个星期都在写这个话题，每篇文章都回到同一个问题：人类和人工智能能否以对所有人——而不仅仅是那些已经拥有一切的人——有利的方式共存？答案是肯定的，但不是我们现在这种方式。现在我们正以最糟糕的方式行事——全速前进，没有护栏，没有针对被取代者的计划，没有对社区（后院被塞进数据中心）的透明度，也没有掌权者诚实地谈论终点线究竟是什么。这必须停止，必须用以下内容取而代之。 首先，为什么数据中心会分散在各处？很多人都在问和我一样的问题：为什么这些东西不建在一个远离所有人的地方？这是个聪明的问题，答案会让你愤怒，因为没有一个原因与社区的最佳利益有关。有四个原因，每一个都关乎金钱和速度。第一是电力。每个数据中心都需要立即接入大量电力，而美国没有一个地方有足够的电网容量同时处理数千个。因此，公司四处寻找有电且地方政府容易合作的地方。第二是速度——微软、谷歌、亚马逊、Meta等公司之间的AI竞赛如此之快，以至于没人停下来问这个地方是否适合居民。他们找到可用的土地、电力，以及能悄悄合作的地方政府，在人们反应过来之前就破土动工。第三是税收优惠——各州和县正在竞相提供数十亿美元的激励措施来吸引这些设施，公司会挑选条件最优厚、行动最快的地方。弗吉尼亚州已被淹没，成为全美数据中心最集中的地区，当地居民正在激烈反抗。第四，也是最重要的一点——没有人负责。没有联邦机构协调选址，没有国家计划，没有联邦层面的分区权力告诉公司不能在学校附近或干旱县建造。每家公司都只选对自己有利的地方，在别人阻止之前就行动。67%的新规划数据中心将建在农村地区，39%将建在目前零数据中心的县。 #AI #
没有人征求过我们的意见。这是关于人工智能及其对工作、水资源、电费和社区影响的讨论中，始终被忽略的一点。没有举行过市政会议，没有进行过投票，也没有人坐下来对那些即将被颠覆生活的人说：未来会发生什么，我们将如何应对，以及如何确保你们不被落下。技术就这样来了，数据中心就这样建成了，工作就这样开始消失，而掌权者一直在说“相信我们，好处会来的”。我们仍在等待好处，而代价却准时到来了。我整个星期都在写这个话题，每篇文章都回到同一个问题：人类和人工智能能否以对所有人——而不仅仅是那些已经拥有一切的人——有利的方式共存？答案是肯定的，但不是我们现在这种方式。现在我们正以最糟糕的方式行事——全速前进，没有护栏，没有针对被取代者的计划，没有对社区（后院被塞进数据中心）的透明度，也没有掌权者诚实地谈论终点线究竟是什么。这必须停止，必须用以下内容取而代之。 首先，为什么数据中心会分散在各处？很多人都在问和我一样的问题：为什么这些东西不建在一个远离所有人的地方？这是个聪明的问题，答案会让你愤怒，因为没有一个原因与社区的最佳利益有关。有四个原因，每一个都关乎金钱和速度。第一是电力。每个数据中心都需要立即接入大量电力，而美国没有一个地方有足够的电网容量同时处理数千个。因此，公司四处寻找有电且地方政府容易合作的地方。第二是速度——微软、谷歌、亚马逊、Meta等公司之间的AI竞赛如此之快，以至于没人停下来问这个地方是否适合居民。他们找到可用的土地、电力，以及能悄悄合作的地方政府，在人们反应过来之前就破土动工。第三是税收优惠——各州和县正在竞相提供数十亿美元的激励措施来吸引这些设施，公司会挑选条件最优厚、行动最快的地方。弗吉尼亚州已被淹没，成为全美数据中心最集中的地区，当地居民正在激烈反抗。第四，也是最重要的一点——没有人负责。没有联邦机构协调选址，没有国家计划，没有联邦层面的分区权力告诉公司不能在学校附近或干旱县建造。每家公司都只选对自己有利的地方，在别人阻止之前就行动。67%的新规划数据中心将建在农村地区，39%将建在目前零数据中心的县。 #AI #