AI 裁員潮成為火藥桶：貧富差距急速擴大
數以萬計的科技工作者面臨裁員，同時少數 AI 內部人士的財富卻在急速膨脹。這種極端的不對等現象正在成為社會矛盾的導火索，引發關於 AI 時代財富分配和職場未來的深刻反思。
AI 裁員貧富差距職場衝擊
TechCrunch AIJeff Bezos 的 Prometheus 融資 120 億美元，打造物理世界的「人工通用工程師」
Bezos 支持的物理 AI 新創 Prometheus 完成 120 億美元融資，估值達 410 億美元。該公司致力於開發能自動化重工程和藥物設計的通用 AI 系統，標誌著 AI 從數位世界向物理世界應用的重要擴展。這輪融資規模龐大，反映出投資人對物理 AI 領域的信心。
物理AI通用人工智能自動化工程
TechCrunch AIOpenAI 面臨多州檢察長調查
美國多個州的檢察長辦公室正式對 OpenAI 發起調查，涉及廣告政策、健康數據處理等多個方面。這反映出監管機構對 AI 公司數據隱私和商業行為的日益關注，標誌著 OpenAI 從快速擴張進入更嚴格的監管審查階段。
OpenAI監管調查隱私政策
TechCrunch AI從聊天機器人到數位同事：持久自主 AI 的典範轉移
研究論文揭示 LLM 正從單純的對話生成工具進化成具備推理、行動、記憶和自我改進能力的綜合 AI 系統。這個轉變涵蓋兩個核心維度：認知層面從快速思考進階到 Thinking LLM，運用推論時計算和強化學習實現更可靠的思考；任務執行層面從臨時工具調用進化到 OpenClaw 式工作站系統，具備持久工作空間。這代表 AI 助手正式邁入能夠承擔長期工作職責的新時代。
LLM 進化持久自主 AI推理計算
arXiv cs.AIOpenAI 推出 Partner Network 合作夥伴計劃
OpenAI 正式推出 Partner Network，投入 $150 億美元支持全球合作夥伴加速企業 AI 應用的採納、部署和轉型。這項計劃的核心目標是建立生態系統，幫助企業和開發者更容易將 OpenAI 的技術整合至自身業務中。
OpenAI企業合作AI 部署
OpenAI Blog擲硬幣的法官？LLM-as-a-Judge 評估的可靠性與偏差研究
研究發現 LLM 擔任評判角色時存在嚴重的可靠性問題：在 29 項任務的重複評估中，GPT-4o-mini 和 GPT-4.1-mini 的配對偏好平均翻轉率達 13.6%，最高甚至達 56%。GPT-4o-mini 還出現明顯的位置偏差（傾向選擇首位選項達 72%），這對廣泛應用於排名模型、訓練獎勵模型和公開排行榜的 LLM 評判系統提出了重大質疑。
LLM評判系統可靠性問題位置偏差
arXiv cs.AIMedLatentDx：罕見病跨院診斷的隱層多智能體通訊框架
研究團隊推出 MedLatentDx，一個針對罕見病診斷的多智能體協作系統。該框架讓多家醫院在保護患者隱私的前提下共享診斷證據，通過傳輸緊湊的潛在狀態（KV blocks）而非原始臨床文本，解決跨機構協作中的隱私規範限制問題。這對於罕見病診斷極為重要，因為單一醫院往往接觸的病例不足以形成可靠診斷。
罕見病診斷多智能體通訊隱私保護
arXiv cs.CLLLM 道德判斷現「方向盲」：模型對有益和有害建議反應不對稱
研究發現大型語言模型在道德判斷上存在方向盲現象：在事實問題上，模型能區分有益和有害的引導（比例 1.58:1），但在道德問題上幾乎無差別接受兩種方向的建議（比例 1.04:1）。這項跨 9 個模型、972,000 次實驗的研究揭示了 LLM 對齊存在的關鍵漏洞，對話提示甚至會加劇這個問題，值得開發者在部署涉及倫理決策的系統時重視。
LLM 對齊道德判斷提示工程
arXiv cs.CLClinicalBERT 人口統計偏見計算審計：醫療 AI 模型的公平性分析
研究團隊對臨床語言模型 ClinicalBERT 進行系統性審計，揭示醫療文件中編碼的人口統計特徵（如種族、性別）如何滲透進模型的預測分佈。透過對數機率偏見分析和遮蔽語言模型兩種方法，在 98 個真實臨床句子模板上發現模型存在顯著的表示偏見，這對高風險臨床決策支援系統的公平性和可信度帶來重要警示。
ClinicalBERT演算法偏見臨床決策支援
arXiv cs.CLAnthropic 向公眾開放 Mythos 級 AI 模型
Anthropic 正式將高階的 Mythos 系列 AI 模型開放給公眾使用，這標誌著其技術民主化的重要一步。此舉不僅讓開發者能更輕易地整合強大模型，也顯示 Anthropic 在競爭激烈的 AI 市場中積極擴大用戶基礎的策略意圖。
AnthropicMythosAI 模型
The Rundown AIolmo-eval：模型開發循環的評估工作平台
Hugging Face 推出了 olmo-eval，這是一個專為模型開發循環設計的評估工作平台。該工具旨在簡化 AI 模型的測試與驗證流程，讓開發者能更高效地監控模型性能並進行迭代優化。
Hugging Face模型評估開發工具
Hugging Face Blog機器學習在生物醫學拉曼光譜中的應用：從光譜採集到臨床轉譯
這篇綜述深入探討機器學習在生物醫學拉曼光譜分析全流程中的角色，涵蓋信號預處理、降噪、無監督結構探索到有監督診斷分類等多個環節。拉曼光譜可用於癌症診斷、分子分類和病原體識別，但其高維度、高噪聲特性使得強健的計算分析成為必需，機器學習成為橋接光譜數據與臨床應用的關鍵技術。
機器學習拉曼光譜生物醫學診斷
arXiv cs.LG
