Microsoft 称 MAI-DxO 在复杂病例模拟中诊断准确率 83%，超全科医生一倍以上

OpenAI 宣布其推理模型成功证伪了一道自1946年起悬而未决的几何猜想。与以往不同，此次声称获得了此前曾指出OpenAI相关声明存在错误的数学家们的认可与支持，这为其结论的可靠性提供了关键背书。

营销公司 Graphite 对前沿模型写作习惯的研究发现，共 13000 个短语在 AI 内容中出现频率至少是人类内容的两倍。

Benchmark 五位普通合伙人 Jack Altman、Peter Fenton、Chetan Puttagunta、Everett Randle 和 Eric Vishria 将在 TechCrunch Disrupt 2026 主舞台同台，这是该机构现任全体合伙人首次集体亮相 Disrupt 舞台。

Petlibro 推出 Granary 2 系列自动喂食器，共四款机型，售价 129.99 至 249.99 美元，全系内置秤重模块，可追踪实际进食量、进食时长与频率。

Vals 正试图解决传统 AI 基准测试跟不上模型能力的问题，上月完成 Andreessen Horowitz 领投的 4000 万美元 A 轮融资。该公司不公开测试材料以防模型针对性训练，并按法律、金融、编程等行业评估模型完成复杂任务的能力。Vals 目前收入为去年的 8 倍，团队从年初 8 人增至 25 人。

冰岛初创公司 Treble 完成 1800 万美元 A 轮扩展融资，由 Paladin Capital Group 领投，KOMPAS VC、Frumtak Ventures、EIC 和 Omega ehf 参投，累计融资超 4000 万美元。其语音模拟平台提供合成数据生成与模型评测，客户包括 Amazon 和 Logitech，今年早些时候还与 Hugging Face 合作推出语音识别基准。

Anthropic 研究员 Chen Yueh-Han 团队发布论文，展示自动化系统在 10 个对齐基准上全部提升模型表现且不损害整体性能。系统模拟传统研究流程，搜索文献、提出方法并训练 30 分钟，迭代优化。论文称最佳 AAR 方法平均 6 小时内超越人类专家提议，成本约每小时 $4 API 推理，远低于人类研究员的 $150。

Microsoft AI 发布 Sequential Diagnosis Benchmark（SDBench）和 AI 诊断系统 MAI-DxO，论文发表于 Science。

METR 与 Redwood Research 各派一名员工，于 7 月 21 日至 8 月 11 日对 OpenAI 内部失准监测系统开展三周高权限试点压力测试，产出 61 页内部报告。

Sierra 发布 𝜏-Entity 基准，测量语音智能体能否正确采集、识别错误并修复姓名、电话号码、地址和邮箱等细节，包含 10 种实体类型共 200 个任务，并与 𝜏-i18n 一样覆盖六种语言。