AI 模型

FFASR基准测试：在真实世界中评估远场语音识别

首个开放远场ASR基准测试上线，量化了模型在真实房间声学环境下的性能骤降，揭示近场与远场WER的差距可达数倍。

OpenAI 联合 Broadcom 为其旗舰模型量身打造的专用推理芯片 Jalapeño 发布，实现了远超现有方案的能效比，并用9个月刷新了芯片开发记录。这不是又一个AI芯片新闻，而是软硬一体全栈整合的终极案例。

免疫学家Unutmaz用一个困扰实验室三年、传统方法无法解释的T细胞分化谜题，验证了GPT-5 Pro的推理能力。AI不仅指出关键蛋白IL-2的作用，还正确预测了未发表的实验结果。这不再是信息检索，而是真正的科学协作。

论文用ChaosNLI的100个标注数据做实验，发现评估目标不同，标注饱和点天差地别：识别样本分歧度需要20-50个标注，但逼近真实分布只需10个。这直接挑战了统一标注预算的做法，对训练软标签模型很有参考价值。

电信行业有张自己的“考卷”，通用大模型几乎得零分。GSMA和AT&T用谷歌的Gemma开源模型做了一次教科书式的示范：用行业私域数据微调出的小模型，准确率碾压通用巨无霸，还把幻觉控制住了。这条路径对所有垂直行业都有直接参考价值。

Ronak Malde 之前在 Windsurf 做 AI coding agent，公司被 Google DeepMind 收购后，他创立了 Trajectory.ai，目标是让企业 AI 系统在生产中持续学习，而不是一次训练就放着不管。

波士顿儿童医院和哈佛用OpenAI o3模型重新分析了376个多年未解开的罕见病基因病例，新增了18个诊断（提高4.8%）。模型不是直接诊断，而是生成带证据链的假设让专家审查。这告诉我们，AI最实用的价值不是替代医生，而是帮专家在旧数据中系统性地挖出新答案。

LoRA 并非微调最优解，Hugging Face 用统一基准证明 OFT 等新方法在准确率和内存两项指标上均能同时超越它。

为什么现有的AI评测测不出模型能不能帮科学家干活？答案在LifeSciBench：一个由173位博士级科学家设计的基准，直接对标真实科研中的多步推理、证据整合和判断决策。结果告诉你，模型在纯文本上还行，一遇到图表和序列文件就掉三成。到底差在哪，看这个就知道。