心电图预训练改看“偏离正常”多少：冻结特征不微调，四个公开数据集AUROC最高提升6.5%
心电图深度学习模型多按具体诊断标签监督训练，换人群、换采集条件就容易失效。这套自监督预训练框架从918,915条无标签12导联心电记录中学习特征，一路显式刻画每条导联相对正常波形的偏离，另一路在偏离线索引导下重建跨导联关联。冻结特征提取器、不做下游微调时，它在四个公开数据集上相对此前方法AUROC最高提升6.5%、F1最高提升12.8%。
大模型智能体自己写物理残差检测器：BATADAL测试攻击F1从0.504升到0.878
面向信息物理系统的运行时攻击检测，PIA让大语言模型智能体根据设备说明和正常运行数据写出泵特性、储罐质量平衡、控制器逻辑等物理残差，并在部署前用评测工作台逐条检验。在BATADAL配水网络攻击基准的测试攻击上，PIA配Claude Opus 5.5取得F1 0.878，而六种统计与深度基线中最强的一种为0.504；消融显示，不让智能体用数据检验假设会使F1最多下降0.28。
对撞数据不再一任务一模型：5亿模拟事件预训练，异常检测显著性达7.6σ
高能物理分析长期为每个任务单独训练模型，EVENET把每次对撞表示成无序粒子云，用5亿个模拟事件做自监督加物理监督的两阶段预训练，再以可替换的任务头适配下游。在CMS开放数据的反孤立ϒ→μ+μ−搜寻中，完整预训练版本经校准后给出7.6σ的中位局部显著性，高于已发表的6.4σ；在重共振搜寻的质量网格上，其最大SIC相对从头训练平均提高约50%。
英伟达把AI工厂遥测接成一张因果图：81条告警并成1起事件，省下约54小时集群运行时间
英伟达推出面向AI工厂的AIOps平台Minerva，把GPU、交换机、存储与训练作业的遥测汇入一张随作业变化更新的知识图谱，再用监督与无监督模型识别静态阈值抓不到的“灰色故障”。在英伟达给出的一个案例中，一次交换机重启引发的81条独立事件被合并为一起事件，节省约54小时集群运行时间；另一个案例中，平台从约40万个接口里定位到一条正在悄悄丢带宽的NVLink连接。这些数字来自英伟达内部测试与案例描述，覆盖的是其支持场景。
WorldAuditBench 用 213 个任务测多模态智能体查 3D 世界异常，最好模型 42.3%、人类 83.4%
作者构建了 WorldAuditBench——覆盖 13 个 Unreal Engine 5 与 Three.js 环境、五大异常族共 213 个任务的交互式 3D 世界审计基准，并比较单模型 VLM 智能体与两阶段 VLA–VLM 审计器，结果显示 VLM 智能体成功率 28.2%–42.3%、两阶段审计器 6.6%–17.4%，均远低于人类 83.4%。
人工智能在临床前非人灵长类异种移植中的应用：从数据复杂性到临床精准的桥梁
这篇综述综合了人工智能与机器学习在非人灵长类异种移植临床前研究中的应用证据，指出计算机视觉可支持连续无创的行为表型分析与疼痛评估、异常检测算法可从生物信号流中提取早期预警信号、多组学整合可识别异种移植物特异性生物标志物特征、数字孪生框架或可支持对潜在人类受者反应的假设生成式模拟、可解释人工智能可使模型输出更透明并更具监管可辩护性，并提出了一项研究议程，使人工智能增强的非人灵长类实验成为从临床前数据复杂性通向异种移植临床精准的桥梁，同时支持3R（替代、减少、优化）伦理要求。
已读完全部报道