跳到主要内容
检索

# 智能体AI

29 篇关联报道

订阅更新
  1. bioRxiv

    智能体框架ANA筛出孤独症fMRI分类流程:17中心留一中心验证AUC 0.814,高于两个对照模型

    孤独症静息态fMRI分类器很少能跨采集站点泛化,而许多报告的高准确率受数据泄漏影响。ASD Neuro Agentic(ANA)让语言模型智能体从文献和研究者输入提出特征,所有数值计算由固定工具完成,在ABIDE I的17个中心、1028名参与者上搜索流程,选出经ComBat协调的切空间连接组模型集成。留一中心测试中该集成AUC为0.814(95% CI 0.773–0.841),高于ASD-DiagNet和ASD-SAENet。

  2. Engineering at Meta

    Meta把广告算力交给智能体调度:约10%的排序增益,优化周期从数月缩到数周

    Meta 的 Intelligent Delivery 把广告投放中的算力分配交给一套机器学习驱动的自适应优化层,按每个请求、模型、硬件和排序阶段的边际收益调度资源。自 2017 年至 2026 年上半年,它在模型与系统自身进步之上带来约 10% 的广告排序性能增量。系统先用共享的 Resource Core Model 理解请求,再分层决定区域、硬件与主机内配额,并让 AI 智能体提出并验证配置改动,工程师保留最终审批。

  3. arXiv

    视网膜筛查不再一律送审:RetinaGuard用证据收集与保形风险控制,在5%不安全水平下自动接受约37%病例

    多病种视网膜筛查需要逐张判断自动结论能否不经复核直接采用。RetinaGuard把图像质量、诊断、不确定性、独立验证与解释等智能体收集的证据汇成一个“决策不安全”概率,只在证据的期望价值超过计算成本时调用工具,并用保形风险控制认证接受阈值。在RFMiD测试集上,较弱主模型(宏AUROC 0.896)时,20%转诊预算下它捕获280例不安全决策中的119例,最低置信度转诊为88例;主模型换成更强版本(0.925)后,验证器带来的增益缩小到几个百分点。

  4. NVIDIA Blog

    英伟达把AI工厂装进集装箱:现场部署从六个月缩到14天,智能体有了内核级沙箱

    英伟达在柏林GTC上发布DSX POD参考设计,把完整的Vera Rubin AI工厂做成由合作伙伴在模块化集装箱内集成并验证的整机,现场公用设施就绪后部署时间可从六个月缩短到14天。同期推出的OpenShell参考架构在智能体与其可影响的系统之间加了一层带内核级沙箱的策略控制运行时,因为每次启动的智能体权限都不同。

  5. researchsquare.com

    入侵告警不再由单个模型说了算:多智能体复核加链上投票,认证子集准确率99.65%

    入侵检测的告警不再由单个模型直接触发处置,而是先经多个独立公证智能体复核、在Hyperledger Fabric账本上以2/3法定票数共同签署后才放行。在CICIDS2017的类别均衡测试集上,校准集成对全部决策的准确率为96.60%,经拒绝门控后认证子集在87.3%覆盖率下达到99.65%准确率与0.04%误报率;在独立生成的GeNIS 2025语料上,同一套流程认证99.86%的流量、准确率99.98%。

  6. NVIDIA Blog

    射电望远镜开始自己找信号:一句自然语言指令,智能体就能操控天线并实时处理每秒2.4太比特数据

    Breakthrough Listen与SETI研究所把AI智能体接入艾伦望远镜阵列的日常搜寻:研究人员用一句自然语言请求,就能让智能体操控天线、校准聚焦、修正数据错误并调用AI模型处理实时数据流。NVIDIA Holoscan平台上的DAQIRI把每秒太比特级的传感器数据直接送入GPU内存,使观测在采集过程中即被处理,系统在RTX PRO 6000 Blackwell GPU上可处理每秒2.4太比特。该流水线已实现蟹状星云脉冲星的首次实时AI探测,团队下一步评估Nemotron等开放模型,用于数据本地性和响应速度优先的场景。

  7. 一个领域科学家指挥AI智能体写出量子化学程序:分子HF能量与独立程序吻合到纳哈特里量级

    vibe-qc 是一个面向分子与固体的开源电子结构程序,其代码几乎全部由 AI 智能体在一位领域科学家的指导下编写。它把分子与周期体系放进同一套 Python 接口和 C++17 数值核心,并附带一套可复用的验证集:分子哈特里—福克能量与独立程序吻合到纳哈特里量级,常规 CCSD(T) 也在小分子上做了对照。验证集把独立程序比对、已发表基准和内洽检验分开记录,未达容差的比较同样保留。

  8. NVIDIA Blog

    阿尔茨海默研究卡在数据出不了机构:智能体几分钟跑完科学家估要数周的分析,单次不到10美元

    由18家机构组成的生物医学与AI神经退行性疾病研究联盟(C-BRAIN)开始把此前无法被AI工具或人类研究者访问的阿尔茨海默数据接进模型训练,包括未发表结果、阴性结果和受治理的专有数据。这些数据此前留在各机构内部,难以汇总成可用知识。C-BRAIN用集中式与联邦式混合架构让模型在数据所在地学习,并已交付两个开源智能体工具;其中OpenScientist在已发表案例中几分钟完成领域科学家估算需数周到数月的分析,单次运行成本不到10美元。

  9. medRxiv

    乳腺癌双ADC用药顺序有了智能体流水线:106例记录显示,先用T-DXd再用SG的中位用药记录跨度为63天

    一套由研究者主导、AI 智能体执行的多智能体流程,把大型电子健康记录从队列构建、可执行统计、数据质量核查、文献检索一直做到报告撰写,并以乳腺癌中戈沙妥珠单抗(SG)与德曲妥珠单抗(T-DXd)的先后用药记录为临床用例。在含495万患者的数据库中筛出106例两药均有医嘱者,T-DXd 先用的73例、SG 先用的33例;第二药记录跨度中位数分别为63天与49天,中位差−14天(95%置信区间−41至21),属描述性、未校正结果。

  10. AMD Newsroom

    AMD在OCP峰会亮出机架级智能体AI:Helios进入量产交付,Helion计划11月面世

    AMD在2026年OCP全球峰会上展示了面向智能体AI的开放全栈基础设施,其中Helios机架在2025年OCP首秀一年后进入量产爬坡,已开始客户交付、部署与工作负载验证,首批系统在OpenAI、Meta、微软和Oracle安装运行;Helion机架则允许客户按智能体负载调整CPU核密度、性能与功耗,提供纯CPU与CPU/GPU两种配置,计划2026年11月推出,AMD还计划把Helion架构贡献给OCP。