微软 MAI Diagnostic 诊断系统登上 Science，准确率达急诊医生 1.7 倍

介绍 Critique，M365 Copilot 中全新的多模型深度研究系统。 你可以同时使用多个模型来生成最佳回复和报告。https://t.co/m4RlQmCKzs

Satya Nadella 宣布微软团队本周在 Nature 发表新研究，展示机器学习可改进传统上极难预测的 2 到 6 周中期天气预报。作者称这项工作有助于应对极端天气、管理自然资源和农业决策，并提出更广泛的启示：未来不仅要构建更强的模型，还要构建能学习模型系统性错误、推理因果并持续对照现实校准预测的智能校验系统。

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。

Microsoft Research 的 Xinzhi Zhang 与 Zhao Song 证明 1995 年提出的 Kannan–Lovász–Simonovits（KLS）猜想，表明对数凹分布的最优平面切割与任意形状切割的差距不随维度增长，以普适常数为界。

Wiz Research 披露 PHP 核心中的多个内存安全漏洞（CVE-2026-109618/109619，CVSS 最高 9.2），实现无需认证的远程代码执行与内存泄露，影响至少追溯到 PHP 5.4 的近十年版本。

OpenAI、PerturbAI 与 Scripps Research 联合发布研究，用数千个由 GPT‑Rosalind 驱动的 AI 智能体并行分析数百万小鼠脑细胞的全脑 CRISPR atlas，32 分钟内完成分析与文献解读，并称人工逐一分析需数月至一年。

Google Research 在 JAMA Network Open 发表前瞻性多中心研究，评估基于"盲扫"超声的 AI 孕周评估模型在不同临床环境和设备上的泛化能力。

Ai2 发布 FairStress 基准，通过 300 个两候选决策场景和对抗前缀，测量 LLM 在面对说服性论据时改变决策的难易是否因候选人所属人口群体而不同，全部组合超过 1300 万测试用例，并已开放下载、集成进 Olmo-eval。